Voice AI Engineer (m/w/d)

# Voice AI Engineer (m/w/d)EngineeringHamburg · HybridVollzeitBaue mit uns die Voice-Schicht des Dealer-OS. Realtime-Voice-Pipeline, DMS/CRM-Integration und Produktionsqualität — von der Architektur bis in echte Autohäuser. Share#### Baue die Voice-Schicht des Dealer-OS für den DACH-Automotive-Markt **Location:** Hamburg (hybrid, 3 Tage/Woche im Büro) Type: Vollzeit Language: Deutsch (mindestens B2) und Englisch fließend Start: So bald wie möglich### Die GelegenheitAutohäuser im DACH-Raum sind nicht bereit für Kundengespräche mit KI. Nicht weil die Technologie fehlt, sondern weil sie nicht für diesen Use Case gebaut wurde. Ein Voice Agent muss mit 400+ Fahrzeugen im Bestand rechnen. Mit handschriftlichen Notizen im CRM. Mit Kundinnen aus Köln, die plötzlich auf Schweizerdeutsch wechseln. Mit Werkstattlärm im Hintergrund.

Mit dem Geschäftsführer, der die Frage stellt, die nicht im Skript steht. Wir bauen den Voice-Stack neu — für echte Werkstatt-Realität. Und wir suchen den Engineer, der das mit uns liefert.### Warum diese Rolle zähltDas ist keine Zeile auf einer Roadmap. Du entscheidest mit, wie die Voice-Schicht des Dealer-OS aussieht: die Realtime-Architektur, das Turn-Taking-Modell, die Fallback-Logik und wie das Ganze von unseren ersten Dealern auf hunderte skaliert.Du arbeitest direkt mit dem Gründerteam, ownest die Voice-Pipeline end-to-end und bringst sie in echte Autohäuser, in denen sie beim ersten Anruf funktionieren muss.

Was du baust, ist das System, mit dem Dealer täglich Umsatz machen — das ist das Gewicht der Rolle und der Punkt dabei.> Wenn du lieber die Sache baust als ein Dokument über die Sache schreibst, und wenn dich Sub-Sekunden-Latenz mehr interessiert als der Titel auf der Visitenkarte, dann ist das deine Rolle.### Was du ownstDu ownst die Voice-Engine des Dealer-OS.* **Realtime-Voice-Pipeline** — STT → LLM → TTS mit Sub-Sekunden-Latenz und 99,5 % Uptime; Turn-Taking, Barge-in und Endpointing als kohärentes System, nicht als Feature-Checkliste.* **Automotive-Integration** — SIP/WebRTC-Telefonie mit bestehenden Dealer-Systemen, Anbindung an DMS und CRM (Mercedes-Benz BackOffice, AutoCRM, Advelio u. a.), VIN-Erkennung und Fahrzeugkontext in Echtzeit.* **Qualität & Observability** — Evaluation-Frameworks jenseits von WER, Call-Level-Observability, automatisierte Regressionstests, damit die

nächste Änderung nichts kaputt macht.* **Produktionsverantwortung** — das ist live, geschäftskritisch. Du findest harte Probleme schnell und baust die Guardrails, damit sie nicht wiederkommen.

Und weil das nur zählt, wenn es beim Dealer funktioniert, gehst du auch mit ins Autohaus, hörst echten Calls zu und übersetzt, was du dort lernst, in Architektur und Roadmap.### Unser Stack* Realtime-Voice: LiveKit, Pipecat, Vapi, Retell oder eigene Telefonie-Integration; SIP/WebRTC* ASR/TTS: Whisper, Deepgram, Google Cloud Speech; ElevenLabs und Piper für TTS-Trade-offs* LLMs: OpenAI (GPT-4o), Claude 3.5 Sonnet, Gemini; Llama 3 / Mistral via Replicate/Together oder on-prem für DSGVO* Backend: Python, PostgreSQL, Redis, Docker* Observability: Datadog oder Prometheus + Grafana, eigene Evaluation-Frameworks* Integrationen mit DMS, CRM, Telefonie und KalendersystemenDu wirst nicht alles davon angefasst haben.

Du bist die Sorte Engineer, die sich in jedes davon schnell reindenkt.### Was wir suchen* Mindestens 3 Jahre als Backend-/Systems-Engineer mit Fokus auf latenzkritische Systeme.* Produktive Erfahrung mit mindestens einer Voice-Plattform (LiveKit, Pipecat, Vapi, Retell, Twilio Voice) — oder du hast selbst einen Voice-Stack gebaut.* Tiefes Verständnis von Realtime-Audio: Sampling-Raten, Buffering, Jitter-Handling, Audio-Encoding.* Hands-on ASR/TTS-Integration inklusive Streaming — du weißt, warum TTS keine 20 ms braucht und wie man mit 200–500 ms sauber umgeht.* Turn-Taking, Barge-in und Fallback-Logik hast du in Produktion gelöst, nicht im Prototyp.* Python im Produktions-Stack (nicht nur Notebooks) und solide Erfahrung mit relationalen Datenbanken.* Starker Produktions-Debugging-Instinkt und Owner-Mindset.

Du wartest nicht auf perfekte Specs.* Deutsch mindestens B2 (du wirst mit Dealern sprechen), Englisch fließend.* Automotive-, DSGVO- oder Contact-Center-Erfahrung sind ein Bonus, keine Voraussetzung.### Was du bekommst* Ein echter Anteil am Aufbau einer kategorieprägenden Company, mit deinem Fingerabdruck auf Architektur, Produkt und Strategie.* Founding-Level-Ownership und Beteiligung (ESOP). Du baust das mit auf und bist am Ergebnis beteiligt.* Kunden ab Tag eins — kein Proof-of-Concept, sondern Dealer, die deinen Code täglich sprechen.* Eine Kultur aus hohem Vertrauen, wenig Prozess und technischer Tiefe.### Location und Ways of WorkingDer Kern des Teams sitzt in Hamburg. Da wird das Produkt gebaut und da verbringen wir unsere Zeit. Wir sind ein hybrides Team: 3 Tage pro Woche im Büro in Hamburg, 2 Tage remote.

Das geht nicht um Stunden-Tracking, sondern um das Momentum und die Klarheit, die entstehen, wenn wir bei den harten Problemen im selben Raum sitzen.### Interessiert? Schreib uns an careers@cara8.ai — bitte nicht mit „Ich interessiere mich für die Rolle", sondern mit:1. Ein Projekt, das du gebaut hast (Link, GitHub, kurze Beschreibung)2. Eine Frage, die wir beantworten sollen (über Voice, Automotive oder unsere Architektur — egal)3. Wann du starten kannst