KI-Ingenieur (Agent)

CoreWeave ist die unverzichtbare Cloud für AI™. CoreWeave wurde von Pionieren für Pioniere entwickelt und bietet eine Plattform aus Technologie, Tools und Teams, die es Innovatoren ermöglicht, KI mit Zuversicht aufzubauen und zu skalieren. Führende KI-Labore, Start-ups und globale Unternehmen vertrauen auf CoreWeave. Es kombiniert überlegene Infrastrukturleistung mit fundiertem technischem Fachwissen, um Durchbrüche zu beschleunigen und Rechenleistung in Leistungsfähigkeit umzuwandeln. CoreWeave wurde 2017 gegründet und wurde im März 2025 zu einem börsennotierten Unternehmen (Nasdaq: CRWV). Erfahren Sie mehr unter www.coreweave.com.

Wir sind stolz darauf, ein Arbeitgeber mit der Auszeichnung „Existenzlohn“ zu sein.

Was Sie tun werden:

Das Physical AI Engineering Team bei CoreWeave ist für den Aufbau und die Skalierung der Kernplattform verantwortlich, die die weltweit fortschrittlichsten technischen Simulations- und KI-Workflows unterstützt. Von der Weiterentwicklung der verteilten Architektur bis hin zur Ermöglichung der nächsten Generation von Agentenanwendungen und physischer KI liefert dieses Team die leistungsstarke, zuverlässige und skalierbare Grundlage, auf die die weltweit größten Ingenieurunternehmen vertrauen.

Über die Rolle:

Wir suchen einen leitenden KI-Ingenieur für den Aufbau der Agentenschicht unserer physischen KI-Plattform. Sie entwerfen, bauen und versenden die Agenten hinter unserem technischen Copiloten: Systeme, die ein echtes technisches Problem eines Automobil-, Industrie- oder Robotikteams annehmen, die Daten untersuchen, Modelle erstellen und bewerten und Ergebnisse liefern, denen ein Ingenieur vertrauen und auf die er reagieren kann.

Hierbei handelt es sich um eine praktische technische Tätigkeit, nicht um eine Forschungstätigkeit. Sie arbeiten mit unseren Forschern und Softwareentwicklern zusammen: Die Forschung erforscht neue Ansätze und Sie verwandeln die bewährten in zuverlässige Produktionssysteme. Sie besitzen Agenten durchgängig – vom Tool- und Kontextdesign über die Evaluierung bis hin zur Bereitstellung und dem Betrieb in der Produktion.

In dieser Rolle werden Sie:

Agentensysteme

• Entwerfen und erstellen Sie Agenten, die die automatische Forschungsschleife zu technischen Kundenproblemen ausführen: Datenexploration, Funktions- und Modelliteration, Bewertung und Berichterstellung.

• Definieren Sie Tool-Schnittstellen und MCP-Server, die Plattformfunktionen (Datenkonnektoren, physische KI-Bibliotheken, Experimentverfolgung und Modellregistrierung, Berechnung) auf sichere und vorhersehbare Weise für Agenten verfügbar machen.

• Eigenes Kontext- und Speicherdesign für lang andauernde Agentenaufgaben, einschließlich des Abrufs über technische Daten, Dokumentation und vergangene Experimente.

• Wählen und integrieren Sie Modelle und achten Sie dabei auf Qualität, Latenz und Kosten.

Bewertung und Zuverlässigkeit

• Erstellen Sie Bewertungssysteme und Benchmarks, die die Agentenleistung in realen technischen Anwendungsfällen messen, sodass die Qualität messbar und Regressionen sichtbar sind.

• Instrumentieren Sie Agenten mit Nachverfolgung und Beobachtbarkeit und nutzen Sie diese Daten, um sie zu verbessern.

• Entwerfen Sie Leitplanken, Sandbox-Codeausführung, Berechtigungsmodelle und Human-in-the-Loop-Kontrollpunkte, damit Agenten sicher auf Kundendaten und Rechenleistung reagieren können.

• Führen Sie Agenten vom Prototyp bis zur Produktion: Tests, CI/CD, Bereitstellung, Überwachung und Bereitschaftsverwaltung.

ML- und Domänenarbeit

• Tragen Sie gemeinsam mit den ML-Ingenieuren zur ML-Arbeit bei – Modellschulung, Evaluierung und Entwicklung der physischen KI-Bibliothek – insbesondere dort, wo Agenten diese Komponenten verwenden oder generieren.

• Übersetzen Sie das Vokabular und die Arbeitsabläufe physischer Ingenieursbereiche in das Agentenverhalten und arbeiten Sie mit Forward Deployed Engineers und Kunden zusammen.

• Erledigen Sie bei Bedarf ML-Engineering-Arbeiten und unterstützen Sie ML-Ingenieure bei der Einführung von Agententools in ihre eigenen Arbeitsabläufe.

Zusammenarbeit

• Arbeiten Sie mit der Forschung zusammen, um vielversprechende Agentenansätze in Produktionssysteme umzusetzen.

• Arbeiten Sie mit Plattformingenieuren an der Agentenlaufzeit, der Workflow-Orchestrierung und der Authentifizierung zusammen, während die Plattform auf eine verteilte, agentenfähige Architektur umgestellt wird.

• Arbeiten Sie mit Frontend und Produkt zusammen, um Agentenfunktionen im Produkt auf eine Weise bereitzustellen, der auch Nicht-ML-Ingenieure vertrauen.

• Mentor-Ingenieure, Interviews und Einarbeitung neuer Teammitglieder.

Wer Sie sind:

• Mehr als 5 Jahre Berufserfahrung im Software-Engineering, davon mehr als 2 Jahre im Aufbau von Produktionssystemen auf Basis von LLMs. Ihr Hintergrund liegt im Versand und Betrieb von Software, nicht in der akademischen Forschung.

• Sie haben mindestens ein Agentensystem mit echten Benutzern in die Produktion gebracht: Tool-verwendende Agenten, mehrstufige Workflows oder Code-generierende Agenten.

• Starkes Produktions-Python.

• Praktische Erfahrung mit LLM-APIs und Agent-Frameworks und eine klare Vorstellung davon, wo Frameworks helfen und wo sie im Weg stehen.

• Erfahrung im Entwerfen von Tools und APIs für Agenten, einschließlich MCP oder gleichwertigen Tool-Aufrufprotokollen.

• Erfahrung beim Aufbau von Evaluierungen für LLM- oder Agentensysteme: Datensätze, Bewerter, LLM-as-Judge, Regressionsverfolgung.

• Solide ML-Grundlagen. Sie können ein Modell mit scikit-learn oder PyTorch trainieren und bewerten und verstehen Validierung, Überanpassung und Unsicherheit gut genug, um die Ausgabe eines Agenten beurteilen zu können.

• Erfahrung mit Retrieval und Kontext-Engineering für Agenten.

• Starke Software-Engineering-Praktiken: Codeüberprüfung, automatisierte Tests, CI/CD, Observability, Docker und Kubernetes und mindestens eine große Cloud (AWS bevorzugt).

• Auf Sicherheit bedacht: Sandboxing, Authentifizierung/Autorisierung, sofortige Injektion und Datenisolierung in mandantenfähigen Systemen.

• Klare technische Kommunikation sowohl mit Ingenieuren als auch mit Nicht-ML-Stakeholdern.

Bevorzugt:

• Erfahrung mit automatischer Forschung, Data-Science-Agenten oder Agenten, die Experimente schreiben und durchführen (z. B. in Notebooks).

• Erfahrung mit Tabellen-, Zeitreihen-, Sensor-, Test- oder Simulationsdaten (Automobil, Luft- und Raumfahrt, Industrie oder Robotik).

• Vorerfahrung als Backend- oder Plattform-Ingenieur vor dem Wechsel in die KI-Technik.

• Vertrautheit mit Experiment-Tracking-Tools und Notebook-Umgebungen.

• Erfahrung in der Bereitstellung von Open-Source-Modellen auf der GPU-Infrastruktur.

• Erfahrung mit der Workflow-Orchestrierung für Agentenaufgaben mit langer Laufzeit.

• Erfahrung mit Feinabstimmung oder Verstärkungslernen zur Verbesserung des Agentenverhaltens.

Sie fragen sich, ob Sie gut zu uns passen?…

Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/coreweaveu/ai-engineer-agentic-london-473164)