Forward Deployed Engineer

NXT Applied GmbH; Düsseldorf; Vor Ort; Vertraulich; Vollzeit

Zusammenfassung

Ein Unternehmen im Bereich KI sucht einen erfahrenen Engineer, der AI Operators in reale Systeme implementiert. In dieser Rolle wirst du direkt mit Kunden arbeiten und die Brücke zwischen Systemdesign und operativer Realität schlagen. Du bringst starke Backend-Skills (Node, Python, TypeScript) sowie Erfahrung mit APIs und Workflows mit und sprichst fließend Deutsch und Englisch. Ein Umfeld mit hoher Eigenverantwortung erwartet dich, wo du die Möglichkeit hast, direkte Erfolge zu sehen und zu erzielen.

Qualifikationen

• Starker Engineer mit Sinn für reale Systeme.
• Fähigkeit, mit unklaren, messi Umgebungen umzugehen.
• Bereitschaft, direkt mit Kunden zu arbeiten.

Aufgaben

• Übersetzen von Operator Playbooks in laufende Systeme.
• Deployen von AI Operators in reale Kundenumgebungen.
• Integrationen von Systemen (ERP, Accounting).

Kenntnisse

Backend-Skills (Node / Python / TypeScript)

Erfahrung mit APIs und Workflows

Verständnis für produktive Systeme

Deutsch (sehr gut)

Englisch (sehr gut)

Jobbeschreibung

Über die Rolle

Wir bauen mit NXT Applied ein AI-native Unternehmen, das KI in reale operative Prozesse bringt.

Die meisten Unternehmen scheitern nicht an der Technologie.

Sondern daran, sie sauber in produktive Abläufe zu überführen.

Genau dort setzen wir an.

Wir deployen AI Operators in echte Workflows — und machen sie messbar wirksam.

Für diese Phase suchen wir dich:

Du bringst diese Systeme in die Realität.

Nicht als Konzept.

Sondern in Produktion.

Aufgaben

Was du bei uns tust

• Du übersetzt Operator Playbooks in laufende Systeme
• Du deployest AI Operators in reale Kundenumgebungen
• Du arbeitest direkt mit Kunden und verstehst ihre Prozesse im Detail
• Du integrierst Systeme (ERP, Accounting, Inbox, Legacy-Workflows)
• Du definierst klare Grenzen zwischen agentischer Logik und deterministischer Ausführung
• Du stellst sicher, dass Systeme stabil, nachvollziehbar und steuerbar laufen
• Du identifizierst Edge Cases und machst Systeme robuster

👉 Kurz gesagt: Du bringst AI aus dem Konzept in die Realität.

Was diese Rolle ist – und was nicht

Diese Rolle ist:

• eine produktionsnahe Engineering-Rolle
• nah am Kunden und an echten Prozessen
• stark in Umsetzung, Integration und Systemdenken
• entscheidend für den tatsächlichen Erfolg von AI-Systemen

Diese Rolle ist nicht:

• reine Prototypen- oder Demo-Entwicklung
• ein klassischer Backend-Job ohne Kontext
• Forschung oder Modellentwicklung
• Support oder Ticket-Abarbeitung

Qualifikation

Für wen die Rolle besonders gut passt

• Du bist ein starker Engineer mit Sinn für reale Systeme
• Du denkst in Workflows, nicht nur in Code
• Du kannst mit unklaren, “messy” Umgebungen umgehen
• Du willst sehen, wie dein System tatsächlich genutzt wird
• Du arbeitest gerne direkt mit Kunden und baust Vertrauen auf

Warum diese Rolle schwierig ist

Die meisten AI-Systeme scheitern nicht an den Modellen.

Sondern an:

• unstrukturierten Daten
• Edge Cases
• unsauberer Integration
• fehlender Kontrolle in der Ausführung

Genau dort arbeitest du.

Zwischen Systemdesign und operativer Realität.

Was du mitbringen solltest

• Starke Backend-Skills (Node / Python / TypeScript)
• Erfahrung mit APIs, Workflows, Queues und State
• Verständnis für produktive Systeme (Logging, Idempotenz, Retries, Monitoring)
• Erfahrung mit LLM-Systemen oder die Fähigkeit, schnell zu lernen
• Sehr gutes Deutsch und Englisch (kundennahe Rolle)

Wie wir arbeiten

AI-native.

Das bedeutet für dich:

• Du arbeitest täglich mit Coding Agents
• Du bewegst dich schnell von Idee → Umsetzung
• Du baust Systeme, in denen AI zentral ist – nicht add‑on

Wir arbeiten pragmatisch, direkt und ohne unnötige Komplexität.

Arbeitsmodell

Die Rolle ist auf Verantwortung und Ergebnis ausgelegt.

Nicht auf Präsenz.

• Hohe Eigenverantwortung
• Direkte Zusammenarbeit mit dem Founder
• Viel Gestaltungsspielraum
• Schnelle Iteration statt langer Planungsphasen

Warum diese Rolle wichtig ist

In vielen Unternehmen entsteht genau hier der Bruch:

• gute AI-Ideen → funktionierende Prototypen → aber keine stabile Produktion

Deine Aufgabe ist es, diese Lücke zu schließen.

Und Systeme zu bauen, die wirklich laufen.

Wenn du AI dort deployen willst, wo sie wirklich Wert schafft — melde dich.