AI Engineer — Answer Intelligence

Über die Stelle

Das gesamte Growli-Produkt steht auf einem einzigen Datensatz: echte Assistenten-Antworten auf echte Kauffragen, kontinuierlich erhoben über zehn KI-Plattformen und in sechs Sprachen. Sie verantworten diese Erhebungs- und Analyse-Pipeline von Ende zu Ende — Probe-Orchestrierung, Erkennung von Erwähnungen und Platzierungen, Quellen-Extraktion, Änderungserkennung — und heben ihre Genauigkeit von guten Heuristiken auf gemessene, benchmarkte Wahrheit. Das ist angewandtes AI-Engineering mit einer seltenen Eigenschaft: Jede Verbesserung wird für Kunden sofort als bessere Evidenz sichtbar. Modelle ändern sich monatlich; die Pipeline, die sie vermisst, muss genauso schnell mitwachsen — Sie halten uns vor dieser Kurve.

Ihre Aufgaben

• Die Multi-Assistenten-Pipeline verantworten: Planung, Resilienz, Kostenkontrolle und Drosselung pro Anbieter über zehn Plattformen.
• Erkennung von Erwähnungen, Positionen und Sentiment in sechs Sprachen verbessern — gemessen an gelabelten Antwortsets, nicht am Bauchgefühl.
• Die Quellen-Extraktionsschicht bauen, die nachverfolgt, welche Seiten und Domains jede Antwort prägen.
• Evaluations-Harnische entwerfen, die Erkennungs-Regressionen abfangen, bevor Kunden sie je sehen.
• Modell-Releases und API-Änderungen der Anbieter verfolgen und die Pipeline in Tagen statt Quartalen anpassen.
• Mit dem Produktteam Rohdaten in neue messbare Fähigkeiten übersetzen — Geo-Sichtbarkeit, Share of Voice, Änderungs-Alerts.
• Den Langzeit-Datensatz unveränderlich, sauber modelliert und günstig abfragbar halten, während er um Millionen Beobachtungen wächst.

Woran Erfolg sichtbar wird

• Die Erkennungsgenauigkeit hat eine Zahl, eine Benchmark-Suite und einen sichtbar steigenden Trend.
• Ein neuer Assistent oder ein neues Modell ist in unter einem Tag Teil der Probe-Flotte.
• Anbieter-Störungen degradieren kontrolliert, statt stille Datenlücken zu erzeugen.
• Mindestens ein neuer Evidenz-Typ, für den Kunden zahlen, existiert, weil Sie ihn gebaut haben.

Was wir suchen

• 3+ Jahre Produktions-Engineering mit Python; Sie haben Daten- oder ML-Pipelines gebaut und betrieben.
• Praktische Erfahrung mit LLM-APIs, ihren Fehlermodi und Evaluation auf Prompt-Ebene.
• Sie behandeln Messung als Engineering-Problem: Baselines, Regressionen, gelabelte Daten.
• Sie besitzen Systeme gern von Ende zu Ende — Architektur, Kosten, Monitoring, Incidents.
• Sie schreiben klar; ein Design-Doc von Ihnen ersetzt das Meeting, statt es zu verlängern.
• Bonus: mehrsprachige NLP-Erfahrung oder frühere Arbeit an Search- oder SEO-Tools.

Veröffentlicht am 1. September 2026