• Design, implement, and optimize the data infrastructure that supports AI and machine learning (ML) solutions • Ensure data availability, quality, and security • Ingest and transform data for the data lake and Feature Store • Develop and support the operationalization of AI and ML models • Conduct complex analyses and monitor data quality

• Provide technical leadership to more junior members of the Applied AI Engineering team; • Identify opportunities to apply AI to drive business impact; • Perform exploratory data analysis and data visualization to understand business needs and inform LLM applications; • Develop patterns and practices to improve the scalability of LLM applications; • Optimize the Applied AI Engineering development stack (CI/CD, evaluation of libraries, etc.); • Develop AI applications using vector databases, LLMs, single-agent and multi-agent architectures; • Build validation pipelines for LLM applications, including datasets and using LLMs as a judge; • Develop small back-end and front-end components to validate proofs of concept for LLM applications; • Actively research technical blogs, academic papers and video conferences to generate improvement and optimization hypotheses for LLM applications;

• Build and optimise LLM-powered systems • Architect, fine-tune and optimise machine learning models including LLMs and classical ML approaches • Experiment with modern architectures such as Transformers and Mixture-of-Experts • Apply efficient training and fine-tuning techniques including LoRA and parameter-efficient methods • Develop robust evaluation approaches to measure model quality and reliability • Develop scalable AI systems • Build and deploy production-grade NLP pipelines and services • Ensure models operate efficiently with low latency and high availability • Integrate models into scalable cloud infrastructure and real-world applications • Lead the acquisition, processing and governance of large structured and unstructured datasets • Apply exploratory data analysis and validation techniques to improve training pipelines • Ensure data privacy and governance standards suitable for financial services • Contribute to DevOps and MLOps pipelines • Implement robust version control, testing and CI/CD workflows • Support reliable deployment and monitoring of models in production environments • Mentor engineers and contribute to the technical growth of the team • Work closely with product, engineering and data teams to deliver AI solutions • Stay at the forefront of AI and NLP research, applying new approaches where they add value

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.