Lead AI Engineer & Chapter Owner Data & AI (m/w/d)

Das ist der Job

Deine Rolle & Aufgaben Wir bauen das Data & AI Chapter konsequent aus und suchen die Person, die es fachlich prägt. Du verantwortest, wie wir als lab25 KI-Systeme denken, bauen und weiterentwickeln.

Das brauchst du

Als Lead AI Engineer & Chapter Owner trägst du zwei Rollen gleichzeitig: Du bist technisch tief genug, um in anspruchsvollen Projekten mitzuwirken und Architekturentscheidungen zu treffen. Und du bist breit genug, um ein Chapter aufzubauen, das Maßstäbe setzt - in Qualität, Methodik und Wirkung.

Du bist Sparringspartner*in für andere Chapter Leads und die Geschäftsführung bei technologischen Weichenstellungen. Du treibst aktiv Forschungskooperationen mit Universitäten und Fachhochschulen voran -von der Projektkonzeption bis zur Umsetzung - und sorgst dafür, dass Erkenntnisse in die Praxis überführt werden.

Dein Profil 8+ Jahre Erfahrung in der Softwareentwicklung oder KI/ML - mit nachweisbarer, tiefer Auseinandersetzung mit LLMs, Agenten oder RAG-Architekturen, gerne auch aus dem Bereich Applied Research, Open-Source-Projekten oder dem Databricks/Azure-Stack.

Du hast Agentensysteme und AI-Pipelines nicht nur gebaut, sondern in den produktiven Betrieb gebracht, betrieben und weiterentwickelt und weißt, wo es in der Praxis wirklich hakt. Du hast Teams oder Communities fachlich geführt - als Tech Lead, Chapter Lead, Principal Engineer oder in vergleichbarer Rolle.

Tiefe Python-Kenntnisse, souveräner Umgang mit LLM-Frameworks (z.

Darum lohnt es sich

Du entwickelst Chapter-Mitglieder gezielt weiter - durch inhaltliches Feedback, strukturierte Reviews und klare Entwicklungspfade von Experienced bis Senior.

RAG & Knowledge Integration: Du triffst fundierte Architekturentscheidungen zu Retrieval-Systemen (Chunking, Embedding, Re-Ranking) und sorgst dafür, dass Unternehmenswissen sinnvoll für Agenten nutzbar wird.

Evaluation & Safety: Du etablierst Qualitäts- und Sicherheitsstandards im Chapter - Bias-Tests, Accuracy-Evaluation, Guardrails - und machst sie zur gelebten Praxis, nicht zur Checkliste. Was wir dir bieten Ein erfahrenes, multidisziplinäres Team, in dem du u.a. eng mit Designer*innen und Engineers zusammenarbeitest.

Deine Architekturentscheidungen landen in echten Systemen bei relevanten Unternehmen. Chapter-Struktur: Du führst ein wachsendes Team aus AI Engineers, ML Engineers und Data Architekten*innen - mit hohem Anspruch und wenig Bürokratie. Arbeit mit modernen Technologien und einer stabilen Infrastruktur.

Ein moderner Arbeitsplatz auf dem [whyit] Campus und die Möglichkeit, teilweise im Homeoffice zu arbeiten. Wettbewerbsfähige Vergütung inklusive Benefits sowie Arbeitsgerät deiner Wahl (MacOS oder Linux). #J-18808-Ljbffr Das ist keine reine Führungsrolle -du bleibst nah am Engineering.

Aber du setzt den Rahmen, der anderen ermöglicht, ihr Bestes zu geben. Was du konkret machst: Chapter Ownership: Du übernimmst die fachliche Ausgestaltung und strategische Ausrichtung des Data & AI Chapters: Capability-Aufbau, Technologie-Stack, Standards und Qualitätsniveau.

Du verantwortest die Chapter-Wissensbasis: Agenten-Patterns, Pipeline-Templates, Evaluationsframeworks - was einmal gut gelöst wurde, wird wiederverwendbar gemacht.

Engineering & Architektur: Agentic Architecture: Du konzipierst und reviewst modulare Agentensysteme mit klaren Rollen, Memory-Strukturen, Tool-Use und Entscheidungslogik - von der Architekturentscheidung bis zum produktiven Deployment.

Context Engineering & AI Pipelines: Du setzt den Standard dafür, wie wir Kontextfenster, Tool-Chains und mehrstufige Inference-Pipelines systematisch gestalten - reproduzierbar, versionierbar, evaluierbar. Composable Agents: Du entwickelst und pflegst die wiederverwendbaren Agenten-Patterns des Chapters.

Projekte & Forschung: Du übernimmst technische Gesamtverantwortung in strategisch relevanten Kundenprojekten und bist Ansprechpartner*in auf Augenhöhe mit technischen Entscheider*innen beim Kunden. Du weißt, wie man Standards durchsetzt, ohne zu bremsen. LangChain, LlamaIndex, CrewAI o. ä.) sowie Vektor- und Graphdatenbanken (z.

Qdrant, Weaviate, Neo4j). Du verstehst Context Engineering und AI Pipelines als Disziplin auf Systemebene und kannst dieses Verständnis auf andere übertragen. Du entwickelst AI-enabled: Claude Code, Codex und vergleichbare Tools sind für dich selbstverständlicher Teil des Engineering-Workflows und du erwartest das auch von deinem Chapter.

Du sprichst fließend Deutsch und Englisch. Erfahrung mit Deployment (FastAPI, Docker, Cloud) und MLOps-Grundlagen werden vorausgesetzt. Du kannst technische Komplexität auf Entscheiderebene verständlich machen und Architekturentscheidungen klar begründen. Echter Gestaltungsraum: Du baust ein Chapter mit - fachlich, kulturell, strategisch.

Deine Entscheidungen prägen, wie lab25 KI-Systeme denkt und umsetzt. Direkte Wirkung: Kurzer Draht zur Geschäftsführung, schnelle Entscheidungen, keine politischen Umwege.