• Design and build agentic AI workflows that can plan and execute complex, multi-step tasks • Build and maintain RAG solutions end-to-end • Implement retrieval evaluation and continuous improvement loops • Integrate tools and data sources using MCP or equivalent standard interfaces • Deploy and operate AI services on AWS with strong operational practices • Engineer robust runtime behavior including error handling, retries, fallbacks, circuit breakers, and guardrails • Enable workflow automation and integration by identifying high-value repetitive processes • Create and maintain technical documentation for architectures, interfaces, evaluation approaches, and operational runbooks • Collaborate cross-functionally with product/business stakeholders to validate outcomes against measurable success criteria • Other duties as assigned.

Role Description Du baust die Intelligenz, die in ArcGEN läuft. Du verantwortest unsere LLM-Pipelines, Agenten-Architekturen und Eval-Frameworks - vom Prototypen im Notebook bis zur produktiven Pipeline mit nachweisbarer Qualität. - Design und Betrieb von RAG-Pipelines (Embeddings, Vector Stores, Re-Ranking) - Architektur agentischer Systeme – Tool-Calling, MCP, Sub-Agent-Orchestrierung - Aufbau und Pflege von LLM-Eval-Frameworks: Metriken, Benchmarks, A/B-Testing, Quality-Gates - Prompt-Engineering und systematische Prompt-Optimierung - Entwicklung ML-Modelle für Marketing-Use-Cases (Attribution, Targeting, Forecasting, Anomaly Detection) - Überführung von Notebook-Explorationen in produktionsreife Pipelines - Enge Zusammenarbeit mit unseren Full-Stack-Engineers an der Plattform-Integration Qualifications - Praxis mit modernen LLM-Workflows in Production: RAG, Embeddings, Vector Databases (Pinecone, Weaviate, pgvector) - Solide Python-Kenntnisse inkl. pandas, NumPy, scikit-learn sowie PyTorch oder TensorFlow - Erfahrung im End-to-End-ML-Lifecycle: Datenaufbereitung, Training, Evaluation, Deployment, Monitoring - Erfahrung mit systematischer Modell-Evaluation: Metriken, Benchmarks, Eval-Frameworks - Deutsch C2 und Englisch C1 - Builder-Mentalität: Du lieferst Production-Systeme, nicht nur Notebooks Requirements - Eigenentwicklung von Custom Agents, Sub-Agents oder spezialisierten Coding-Workflows - Erfahrung mit MCP (Model Context Protocol) und Tool-Calling-Architekturen - Praxis mit Agent-Frameworks (Mastra, LangGraph, Vercel AI SDK) - Erfahrung mit Fine-Tuning, LoRA-Adaptern oder Distillation - MLOps-Tools (MLflow, Weights & Biases, DVC) - Background in Marketing-Analytics, Attribution-Modellen oder Performance-Marketing-Daten - Kaggle, Open-Source-Beiträge oder Publikationen im ML-/AI-Bereich Benefits - Wettbewerbsfähiges Gehalt mit jährlicher Anpassung - Vollständig finanzierter Zugang zu Claude Max, Codex, GitHub Copilot, OpenAI- und Anthropic-APIs sowie allen relevanten LLM-Tools - Compute-Budget für Experimente, Modell-Training und ML-Workloads - MacBook Pro nach Wahl - Remote-First, flexible Arbeitszeiten - Quartalsweise Team-Meetups in Berlin oder Dubai (DIFC AI Campus, optional) - Direkter Einfluss auf Produkt-Architektur in einer frühen Phase - Steile Lernkurve in Agentic AI, LLM-Orchestrierung und AI-Native-Engineering - Lebenslauf reicht. Wenn du GitHub, Portfolio, Kaggle oder ein Open-Source-Projekt hast – sehr gerne mit dazu.

• You build the intelligence that runs in ArcGEN • You are responsible for our LLM pipelines, agent architectures and evaluation frameworks — from prototype notebooks to production-ready pipelines with measurable quality • Design and operation of RAG pipelines (embeddings, vector stores, re-ranking) • Architecture of agentic systems — tool-calling, MCP, sub-agent orchestration • Build and maintain LLM evaluation frameworks: metrics, benchmarks, A/B testing, quality gates • Prompt engineering and systematic prompt optimization • Develop ML models for marketing use cases (attribution, targeting, forecasting, anomaly detection) • Convert notebook explorations into production-grade pipelines • Work closely with our full-stack engineers on platform integration

• Work as senior technical role on a delivery pod • Review what the AI produces • Decide what to build