AI Software Engineer – Agentic Systems & RAG (w/m/d)

Esprit Engineering; Ingolstadt; Vor Ort; EUR 110.000 - 140.000; Vollzeit

Zusammenfassung

Esprit Engineering sucht eine/n erfahrene/n Architekt/in für LLM-basierte Multi-Agenten-Systeme. Sie entwickeln Konzepte zur Automatisierung komplexer Analyse-, Dokumentations- und Engineering-Prozesse und gestalten robuste Agentic Workflows.

Sie arbeiten eng mit KI-Orchestrierungs-Frameworks (LangChain/LangGraph), integrieren Vektor- und Graphdatenbanken und modellieren Wissensgraphen. Sehr gute Deutschkenntnisse sowie Teamfähigkeit runden das Profil ab.

Qualifikationen

• Abgeschlossenes Hochschulstudium in Informatik / Software Engineering / Mathematik oder vergleichbare Fachrichtung.
• Sehr gute Programmierkenntnisse in Python und Backend-Entwicklung.
• Nachweisbare Praxis in der Entwicklung von LLM-Applikationen (API-Integration, Prompt Engineering, Tool-Calling, Agentic Workflows).
• Umgang mit KI-Orchestrierungs-Frameworks (LangChain / LangGraph oder vergleichbar).
• Kenntnisse im Bereich Retrieval-Augmented Generation (RAG) und Vektordatenbanken (ChromaDB, Pinecone, Weaviate, Milvus).
• Erfahrung mit Graph-Datenbanken (Neo4j) und Wissensgraph-Modellierung.
• Erste Erfahrungen mit agilen Arbeitsweisen oder cross-funktionalen Teams.
• Ausgeprägte analytische Fähigkeiten und gutes Kommunikationsvermögen, Deutsch fließend.

Aufgaben

• Architekturentwicklung: Konzeption und Entwicklung von LLM-basierten Multi-Agenten-Systemen zur Automatisierung komplexer Prozesse.
• Agentic Workflows: Implementierung intelligenter Workflow-Schleifen mit modernen Orchestrierungs-Frameworks.
• Memory & Context Management: Aufbau robuster RAG-/Graph-RAG-Architekturen und Langzeitgedächtnis für KI-Agenten.
• Datenintegration: Anbindung von Vektor- und Graphdatenbanken aus diversen Unternehmensquellen.

Kenntnisse

Python

Backend-Entwicklung

LLM-Applikationen

KI-Orchestrierungs-Frameworks

RAG & Vektordatenbanken

Graph-Datenbanken

Agile Arbeiten

Kommunikationsfähigkeit

Deutschkenntnisse

LangChain / LangGraph

ChromaDB / Pinecone / Weaviate / Milvu

Neo4j

Ausbildung

Informatik / Software Engineering / Mathematik (oder vergleichbar)

Tools

LangChain

LangGraph

Neo4j

ChromaDB

Pinecone

Weaviate

Milvus

Jobbeschreibung

Aufgaben

• Architekturentwicklung: Konzeption und Entwicklung von LLM-basierten Multi-Agenten-Systemen zur Automatisierung komplexer Analyse-, Dokumentations- und Engineering-Prozesse
• Agentic Workflows: Implementierung intelligenter, iterativer Workflow-Schleifen (z.B. "Propose, Refine & Revise") mittels moderner Orchestrierungs-Frameworks wie LangGraph
• Memory & Context Management: Aufbau robuster RAG- und Graph-RAG-Architekturen sowie Architekturen für das Langzeitgedächtnis von KI-Agenten
• Datenintegration: Anbindung und Verwaltung von Vektor- und Graphdatenbanken zur statischen und dynamischen Kontextbereitstellung aus diversen Unternehmensquellen

Qualifikationen

• Erfolgreich abgeschlossenes Studium z. B. der Informatik, Computerlinguistik, Software Engineering, Mathematik oder einer vergleichbaren Fachrichtung
• Sehr gute Programmierkenntnisse in Python und Erfahrung in der Backend-Entwicklung
• Nachweisbare Praxis in der Entwicklung von LLM-Applikationen (API-Integration, Prompt Engineering, Tool-Calling, Agentic Workflows)
• Umgang mit KI-Orchestrierungs-Frameworks (bevorzugt LangChain / LangGraph oder vergleichbare) wünschenswert
• Kenntnisse im Bereich RAG (Retrieval-Augmented Generation) und im Umgang mit Vektordatenbanken (z. B. ChromaDB, Pinecone, Weaviate, Milvus) wünschenswert
• Erfahrung mit Graph-Datenbanken (z. B. Neo4j) und der Modellierung von Wissensgraphen wünschenswert
• Berührungspunkte mit spezialisierten AI-Memory-Frameworks (wie Mem0 oder Zep) wünschenswert
• Erste Erahrungen mit agilen Arbeitsweisen (z. B. Scrum oder Kanban) oder in cross-funktionalen Entwicklungsteams
• Starkes analytisches Denken und die Fähigkeit, komplexe, vernetzte Daten- und Systemstrukturen zu modellieren
• Strukturierte und methodische Arbeitsweise sowie professionelles Auftreten
• Ausgeprägte Kommunikationsfähigkeit und hohe Lernbereitschaft
• Sehr gute Deutschkenntnisse in Wort und Schrift