(Senior) AI Software Engineer – LLM-Anwendungen (m/w/d)

i22 Digital Agency; Bonn; Vor Ort; EUR 90.000 - 130.000; Vollzeit

Zusammenfassung

i22 sucht eine erfahrene/r Senior AI Engineer, die/der Produktivsysteme mit LLMs, Retrieval und agentischen Ansätzen entwickelt und betreibt. Sie arbeiten an AI-Anwendungen, die in bestehende Systemlandschaften integriert werden, mit Fokus auf Qualität, Sicherheit und Kosten.

Sie verantworten Architektur, Design-Entscheidungen und die Überführung von Ideen in produktive Systeme; Deutsch- und Englischkommunikation ist Teil des Alltags.

Qualifikationen

• Must Have: Technical Ownership mit Verantwortung für Systeme, Domänen und Betrieb
• LLM-, RAG- oder agentische Anwendungen produktiv gebracht, Senior: System technisch verantwortlich
• Agentic Engineering: AI-Agenten als festen Bestandteil des Engineering-Workflows mit Prüfschleifen
• Technische Tiefe: Backend-Kenntnisse, API-Sicherheit und Systemintegration.
• Solution Design & Kundenkontext: Aufwand, Nutzen, Machbarkeit und Risiken bewerten
• Technical Leadership: Wissen im Team teilen und Wiederverwendbares schaffen
• Gespür für Nutzererlebnis: AI-Funktionen müssen Nutzern helfen
• Kommunikation: Verhandlungssicheres Deutsch im Kundenkontext und gutes Englisch

Aufgaben

• Qualität und Freigabe dessen, was live geht
• Entscheidungen zur Umsetzung innerhalb unserer Engineering-Standards
• Die Überführung von AI-Ideen und Prototypen in produktionsfähige Systeme
• Die Integration in bestehende Anwendungen, Datenflüsse und Systemlandschaften
• Was produktiv geht und wie zuverlässig es anschließend läuft
• Sichtbare Wirkung nach dem Go-live
• Du entwickelst produktive AI-Anwendungen und agentische Systeme
• Du integrierst sie in bestehende Systemlandschaften
• Evaluation, Monitoring, Security, Kosten und Modelländerungen denkst du von Anfang an mit und trägst sie nach dem Go-live weiter

Kenntnisse

Technical Ownership

LLM & AI Engineering

Agentic Engineering

Backend & APIs

Solution Design

Technical Leadership

Nutzererlebnis

Kommunikation

Tools

TypeScript

Node.js/NestJS

PostgreSQL

Redis

Elasticsearch

REST/GraphQL

Python

Jobbeschreibung

i22i22 ist über viele technologische Veränderungen hinweg gewachsen. Wir haben nie an einem festen Modell festgehalten. Stattdessen haben wir uns immer wieder neu angeschaut, was Unternehmen gerade wirklich brauchen.

i22i22 ist über viele technologische Veränderungen hinweg gewachsen. Wir haben nie an einem festen Modell festgehalten. Stattdessen haben wir uns immer wieder neu angeschaut, was Unternehmen gerade wirklich brauchen. Wir arbeiten selten auf der grünen Wiese. Unsere Projekte entstehen in gewachsenen Organisationen – mit bestehenden Systemen, Prozessen, Abhängigkeiten und Menschen, die damit arbeiten müssen. Genau darin liegt ein großer Teil unserer Arbeit: Wir blenden diese Komplexität nicht aus. Wir bauen Lösungen, die darin tatsächlich funktionieren.

Das gilt für unser gesamtes Portfolio: Im AI Content Studio bauen wir Content-Systeme, die Marken skalierbar und konsistent halten. In Agentic Commerce & Transaction entwickeln wir, wie Kund:innen und ihre Agenten künftig kaufen. In AI Assistance & Customer Service lösen wir Servicefälle automatisiert und messbar. In Agentic Knowledge & Learning machen wir Wissen für Teams nutzbar. In Agentic Transformation klären wir, welche Prozesse und Strukturen die Veränderung tragen müssen.

Technologien verändern sich dabei ständig. AI gehört heute selbstverständlich dazu und ist für uns kein separates Spielfeld: Sie erweitert, wie wir analysieren, entwickeln und betreiben. Entscheidungen, Kontext und Verantwortung bleiben menschlich.

Unser Anspruch an die Arbeit selbst hat sich dabei kaum verändert. Ein gutes Konzept reicht nicht, wenn es sich nicht umsetzen lässt. Ein Go-Live reicht nicht, wenn das System danach nicht trägt. Deshalb denken wir in drei Phasen:

• Design / Discovery: Wir klären, was wirklich gebraucht wird.
• Build: Wir bauen, was unter realen Bedingungen funktioniert.
• Operate: Wir verantworten, was danach passiert.

Was du bei i22 konkret klärst, baust oder verantwortest, hängt von deiner Rolle und deiner Säule ab. Was gleich bleibt: Du arbeitest an einem echten Problem – mit Menschen, die unterschiedliche Perspektiven einbringen, mit Systemen, die bereits existieren, und mit der Verantwortung dafür, dass aus einer Idee etwas entsteht, das trägt.

Unsere Beständigkeit zeigt sich in einem Team, das bereit ist, immer wieder neu hinzusehen, zu hinterfragen und weiterzubauen.

Die Challenge

Wir bauen AI-Anwendungen als produktive Systeme, nicht als Demo.

Mit rund 25 Entwickler:innen bauen und betreiben wir Shops, Self-Service-Strecken und Redaktionssysteme. Darin entstehen die AI-Anwendungen, um die es hier geht: Agentic Commerce, digitale Assistenten, AI-gestützte Content-Produktion, Wissens- und Lernsysteme. Ein LLM-Feature muss mit bestehenden Daten und Anwendungen funktionieren.

Es muss nachvollziehbar und sicher betrieben werden können. Und es muss auch dann noch tragen, wenn sich Modelle, Inhalte oder Anforderungen verändern. AI und Agenten geben dir Geschwindigkeit und Hebel. Die Entscheidung bleibt trotzdem bei dir: ob ein System zuverlässig ist, welche Architektur passt und was produktiv geht.

Dafür suchen wir dich: Du verbindest belastbares Software Engineering mit LLMs, Retrieval, RAG und agentischen Ansätzen.

Design

• Build
• Operate

Du konkretisierst Produktideen technisch und beurteilst Architektur, Modelle, Schnittstellen, Risiken und Abhängigkeiten.

Build

Du entwickelst produktive AI-Anwendungen und agentische Systeme. Du integrierst sie in bestehende Systemlandschaften.

Operate

Evaluation, Monitoring, Security, Kosten und Modelländerungen denkst du von Anfang an mit und trägst sie nach dem Go-live weiter.

Was du verantwortest

• Qualität und Freigabe dessen, was live geht
• Entscheidungen zur Umsetzung innerhalb unserer Engineering-Standards
• Die Überführung von AI-Ideen und Prototypen in produktionsfähige Systeme
• Die Integration in bestehende Anwendungen, Datenflüsse und Systemlandschaften
• Was produktiv geht und wie zuverlässig es anschließend läuft
• Sichtbare Wirkung nach dem Go-live

Als Senior zusätzlich

• Architektur eines AI-Systems oder einer Domäne
• Solution Design im direkten Kundenkontakt
• Wissensweitergabe und wiederverwendbare Lösungen für das Team

Dein Entscheidungsspielraum

Du entscheidest:

• Wie du eine Lösung technisch umsetzt
• Welche Modelle, Tools und Agenten zum Einsatz kommen
• Wie du AI-Anwendungen in bestehende Systeme integrierst
• Wie du Qualität und Evaluation sicherstellst

Du gibst Empfehlungen zu:

• Abweichungen von Standards oder bestehendem Stack
• Modellwahl mit Folgen für Kosten oder Datenschutz
• Prioritäten im Projekt

Must Have

• Technical Ownership: Mehrjährige produktive Entwicklungserfahrung; als Senior Verantwortung für Systeme, Domänen und Architekturentscheidungen bis in den Betrieb
• LLM & AI Engineering: LLM-, RAG- oder agentische Anwendungen produktiv gebracht, nicht nur als Prototyp; als Senior: ein solches System technisch verantwortet
• Agentic Engineering: AI-Agenten sind fester Bestandteil deines Engineering-Workflows, mit Prüfschleifen und klarer Verantwortung dafür, was produktiv geht
• Technische Tiefe: Sehr gute Backend-Kenntnisse, sicher in APIs und Systemintegration; Testing, Security und Betrieb gehören für dich dazu
• Solution Design & Kundenkontext: Aufwand, Nutzen, Machbarkeit und Risiken von AI-Optionen einordnen und begründet empfehlen; als Senior: Lösungen direkt mit dem Kunden entwerfen
• Technical Leadership: Wissen im Team und in Reviews teilen; als Senior: andere Engineers technisch stärker machen und Wiederverwendbares schaffen
• Gespür für Nutzererlebnis: Ob eine AI-Funktion Nutzern wirklich hilft, gehört für dich zur Qualität
• Kommunikation: Verhandlungssicheres Deutsch im Kundenkontext und sicheres Englisch

Learnable at i22

• Unser Stack für Anwendungsentwicklung: TypeScript mit Node.js/NestJS, PostgreSQL, Redis, Elasticsearch, REST/GraphQL
• Python für Evaluation und Datenaufbereitung
• Einzelne Vektordatenbanken, Evaluation-Frameworks und Observability