• Collaborate with cross-functional teams to define, design, and ship new product surfaces emerging from Labs. • Drive architectural decisions and implementations for the team and the platforms it produces. • Design and build production-grade agentic workflows on top of what we ship. • Lead technical standards and best practices that impact multiple teams. • Mentor and guide engineers and influence engineering culture. • Make significant individual contributions to our SaaS product across both Azure and AWS. • Help modernize and consolidate legacy surfaces as integration touch points emerge. • Ensure the performance, quality, and responsiveness of customer-facing applications and the agentic systems built on top of them. • Implement and maintain modern automated testing practices, including evals for AI components. • Advocate for incremental delivery, consistently aligning with the practices of modern high-performing engineering teams.

• Serve as the technical lead of the cross-functional product trio, owning technical strategy and driving feasibility assessments alongside PM and Design. • Set the architectural direction for how PlayOn runs subscription growth experiments across NFHS Network, GoFan, and MaxPreps. • Design, implement, and measure rapid experiments, iterating based on data to optimize conversion, retention, and engagement. • Build internal tooling and experiment scaffolding that compounds the pod’s velocity over time. • Leverage AI coding tools and agent-assisted workflows to accelerate experiment delivery and raise the quality bar for the pod. • Identify and drive resolution of cross-team technical dependencies when growth work requires coordination beyond the pod. • Mentor engineers on the pod through code and design reviews that move knowledge, not just catch bugs.

Role Description Standort: Berlin / Remote (DACH-Zeitzone) Anstellung: Vollzeit, unbefristet Start: Ab sofort Sprache: Deutsch muttersprachler Niveau (C2 Level) - Entwicklung und Wartung unserer Full-Stack-Applikationen im modernen JavaScript-/TypeScript-Ökosystem - Konzeption und Umsetzung skalierbarer Backend-Services mit Node.js und Nest.js - Implementierung performanter Frontend-Lösungen mit React.js und Next.js - Design und Optimierung relationaler Datenbanken (PostgreSQL, MySQL, MS SQL) - Containerisierung und Orchestrierung von Services mittels Docker und Kubernetes - Entwicklung und Integration von REST-APIs - Aufbau und Betrieb von Data-Pipelines, Feature-Stores und ML-Workflows für unsere agentischen Systeme - Entwicklung, Training und Evaluation von Machine-Learning-Modellen für Marketing-Use-Cases (Attribution, Targeting, Forecasting, Anomaly Detection) - Implementation von Retrieval-Augmented-Generation-Pipelines (Embeddings, Vector Stores, Re-Ranking) - Aufsetzen und Pflegen von LLM-Evaluation-Frameworks, Prompt-Optimierung und systematischen Quality-Benchmarks - Anwendung von Code Harnesses (insbesondere Claude Code und Codex) im täglichen Entwicklungsprozess – von Planung über Implementation bis Code Review - Enge Zusammenarbeit mit dem Founding-Team an der Produktarchitektur agentischer Systeme Qualifications - Mehrjährige Berufserfahrung in der Full-Stack-Entwicklung - Fundierte Kenntnisse in TypeScript und JavaScript - Sicherer Umgang mit React.js, Next.js, Node.js und Nest.js - Erfahrung mit relationalen Datenbanken (PostgreSQL, MySQL, MS SQL) - Praxis in Container-Technologien (Docker, Kubernetes) - Vertraut mit REST-API-Design und Git-Workflows - Solide Python-Kenntnisse inklusive der gängigen Data-/ML-Stacks (pandas, NumPy, scikit-learn, PyTorch oder TensorFlow) - Erfahrung im End-to-End-Lebenszyklus von ML-Modellen: Datenaufbereitung, Feature Engineering, Training, Validation, Deployment, Monitoring - Verständnis statistischer Grundlagen (Hypothesentests, Regression, Klassifikation, Zeitreihen) - Erfahrung mit modernen LLM-Workflows: Prompt Engineering, RAG, Embeddings, Vector Databases (z.B. Pinecone, Weaviate, pgvector) - Praxis in der Modell-Evaluation: Metriken, Benchmarks, A/B-Testing, systematische Eval-Frameworks - Erfahrung mit Notebook-basierten Explorationen (Jupyter, Colab) sowie der Überführung in produktionsreife Pipelines - Kenntnisse in MLOps-Tools (z.B. MLflow, Weights & Biases, DVC) von Vorteil - Erfahrung mit Claude Code und/oder Codex ist sehr willkommen – ansonsten der klare Wille, sich aktiv darin einzuarbeiten Requirements - Sehr gute Deutsch- (C2) und Englischkenntnisse (mind. C1) - Echtes Interesse an generativer KI und agentischen Systemen - Builder-Mentalität: Du lieferst Production-Software, nicht nur Prototypen - Analytisches Mindset: Du triffst Entscheidungen datengetrieben und kannst Modellverhalten kritisch hinterfragen Benefits - Eine prägende Rolle in einem AI-Native-Startup mit klarem Enterprise-Fokus - Wettbewerbsfähiges Gehalt sowie Beteiligungsprogramm (ESOP) - Vollständig finanzierter Zugang zu allen relevanten Code Harnesses, LLM-APIs und Developer-Tools (Claude Max, Codex, GitHub Copilot etc.) - Compute-Budget für Experimente, Modell-Training und ML-Workloads - Modernes Hardware-Setup (MacBook Pro nach Wahl) - Flexible Arbeitszeiten und Remote-Optionen - Office in Berlin sowie Standort Dubai (DIFC AI Campus) - Steile Lernkurve im Bereich Agentic AI, LLM-Orchestrierung und AI-native Engineering

• The role is part of the Smart Contracts team which is responsible for supporting the execution of smart contracts on Polkadot. • This ranges from low level software like PolkaVM and revive to our smart contract execution environment.