Role Description Das Sammeln und Verifizieren von Nachweisen für Compliance oder Nachhaltigkeitsanforderungen ist für Unternehmen heute eine gewaltige operative Hürde. Das Nachweis-Management ist oft fragmentiert und manuell. Sunhat schließt diese "Proof Gap". Wir sind die Collaborative Proof Platform, die verstreute Daten in eine zentrale, verifizierte Proof Library überführt. Als AI Software Engineer (m/w/d) arbeitest du an innovativen Projekten in den Bereichen Textgenerierung, Textklassifizierung, semantische Suche und Agentic AI Workflows. - Treibe generative und agentic KI-Initiativen von der Ideenfindung bis zur Bereitstellung (Deployment) voran und stelle sicher, dass die Lösungen robust, skalierbar und nahtlos in unsere Plattform integriert sind. - Arbeite an Aufgaben mithilfe generativer KI und der Verarbeitung natürlicher Sprache wie z.B. Texterzeugung mit agentic RAG, semantischer Ähnlichkeit und Klassifizierung, wobei du aktuelle KI-Modelle nutzt. - Arbeite eng mit Software Engineers zusammen, um GenAI-Modelle und Agentic Workflows direkt in unsere Plattform zu integrieren, wobei du dich auf Effizienz, Sicherheit und Performance in großem Maßstab konzentrierst. - Nutze moderne LLMOps-Praktiken und TDD (Test-Driven Development), um zuverlässige, wartbare Pipelines zu gewährleisten und sicherzustellen, dass Modelle schnell iteriert und bereitgestellt werden können. - Arbeite mit Produktmanagement, Nachhaltigkeitsexperten und dem Engineering-Team zusammen, um Geschäftsanforderungen in leistungsstarke, KI-gesteuerte Funktionen zu übersetzen, die die Fähigkeiten und die Benutzerfreundlichkeit unseres Produkts verbessern. Qualifications - Tiefe Expertise in GenAI: Mehrjährige, praktische Erfahrung in angewandter Nutzung von Agentic AI und generativen KI-Modellen (wie Gemini, Mistral, Claude Llama oder ähnlichen), insbesondere für textbasierte Aufgaben. Erfahrung mit Vertex AI ist ein Pluspunkt. - Programmier- und Modellintegrationsfähigkeiten: Experte für TypeScript mit Erfahrung in der Integration von Sprachmodellen in Produktionssysteme, Fokus auf Zuverlässigkeit, Skalierbarkeit und Sicherheit. Expertise in Python ist ein Plus, aber keine zwingende Voraussetzung. - Full-Stack-Entwicklungsfähigkeiten: Erfahrung im Aufbau von serverseitigen Komponenten in TypeScript oder Python. Verständnis des gesamten Spektrums der Client-Server-Architektur. Idealerweise Erfahrung mit Frameworks wie Angular und Nest.js. - LLMOps und CI/CD-Erfahrung: Kenntnisse in CI/CD-Praktiken, idealerweise mit GitHub, um die Modellentwicklung und -bereitstellung zu optimieren und zu automatisieren. - SaaS-Erfahrung: Erfolgreiche Implementierung von KI in B2B-SaaS-Anwendungen. - Datensicherheit und Performance-Optimierung: Tiefes Verständnis für Sicherheit, Datenschutz und Performance-Tuning, spezifisch für Machine Learning und GenAI in Cloud-Umgebungen. - GenAI- und Agents-Expertise: Versiert in der Anwendung von GenAI und AI Agents zur Verbesserung von Benutzererfahrungen mit gutem Verständnis für fortgeschrittene Texterzeugung, Zusammenfassung (Summarization) und andere generative Aufgaben, die für die Verarbeitung von Nachhaltigkeitsdaten relevant sind. - Kollaborativ und Qualitätsorientiert: Wertschätzung der Zusammenarbeit, Teilnahme am Pair Programming und Priorisierung qualitativ hochwertiger Arbeit durch Peer Code Reviews. - Initiative und Anpassungsfähigkeit: Übernahme der Führung bei neuen Projekten, kontinuierliches Lernen aus den Ergebnissen und stetige Verbesserung. - Fließendes Englisch: Beherrschung von Englisch, um effektiv mit dem Team und Stakeholdern kommunizieren zu können. Benefits - Flexibles und remote Arbeiten: Möglichkeit, vollständig remote innerhalb Deutschlands zu arbeiten oder die Offices in Köln, Berlin und Hamburg zu nutzen. - Wettbewerbsfähiges Gehalt & Unternehmensanteile (Equity): Konkurrenzfähiges Gehaltspaket und Optionen für Unternehmensanteile. - Familienfreundliches Umfeld: Hohe Flexibilität zur Unterstützung der Work-Life-Balance. - Top Equipment & Tools: Bereitstellung von Macbook und Software, die für den Erfolg benötigt werden. - Kontinuierliches Lernen: Weiterbildungsbudget für Kurse, Konferenzen und mehr. - Feel Good Budget: 50 € steuerfreier Sachbezug für Shopping-Gutscheine oder eine Mitgliedschaft beim Urban Sports Club.

• Agent Architecture Design: Define precise technical requirements for scalable agent architecture, including necessary reasoning frameworks, risk management systems, and knowledge retrieval interfaces required for complex decision-making. • End-to-End Build Capability: Serve as the hands-on technical lead capable of building, testing, and deploying both interim (e.g., RAG-based systems) and highly complex agentic AI solutions. • Technical Implementation: Work alongside strategy leads to ensure that the technical prerequisites for achieving fully autonomous agentic operations are met on the twelve-month roadmap. • Operational Scaling & Integration: Oversee the technical integration and scaling of deployed AI agents within specific operational workflows (e.g., automating specific GTM tasks). • Validation & Testing: Ensure seamless deployment with rigorous validation testing, monitoring agent performance, and iterating on technical builds to improve decision accuracy and reduce latency. • At Fundraise Up, AI is a default tool, not an experimental one. We expect every team member to actively use AI in their day-to-day work, identify where AI can change the shape of problems in their function, and grow their fluency as the tools evolve. You should already be using AI meaningfully in your work and understand where it adds value and how it can improve the way you operate.

• This is the first software engineering hire at Otonomee and a key role in building the company’s AI capability and platform • You will report to the CTO, with a dotted line to the Product Builder • You will design, build, and ship AI-powered applications end-to-end — spanning backend, data, APIs, and lightweight UI — while establishing the foundation of the Enterprise AI Platform on Azure • In the early phase, this role is highly hands-on • You will turn ambiguous business problems across multiple teams into working solutions using AI-native development tools • As the team grows, the role will evolve toward platform architecture, integrations, and technical leadership

• Design, develop, and implement artificial intelligence solutions. • Work closely with data scientists, engineers, and stakeholders. • Build scalable AI models and integrate them into product offerings. • Involved in all stages of AI project development from data collection to model monitoring.