AI Engineer (m/w/d)

Remote-First, schlankes Frontier-Team, großer Handlungsspielraum – bring LLMs und Agenten in echte Produkte und Prozesse.

Krier Information steht seit über 20 Jahren für Daten und KI in der Versicherung. Mit unserer KI Pricing Suite (Price Watch, Price Engine, Price Analytics) und unserem Agentensystem ChatKI bringen wir Competitive Intelligence und dynamisches Pricing ins Zeitalter der Generativen KI – und transformieren unsere Produkte konsequent in Richtung agentischer Systeme.

Wir suchen keine reine Architektur-, DevOps- oder Analyst:innen-Rolle, sondern eine hands-on Person, die LLM- und Agenten-Workflows robust in Produktion bringt: Daten zuverlässig beschafft und aufbereitet, Pipelines stabil hält und Agenten orchestriert, die Marktbeobachtung und Analyse zunehmend selbst übernehmen.

Technologien

• Sprache & Daten: Python • PostgreSQL • FastAPI • Docker
• LLMs & Provider: OpenAI • Anthropic • Gemini • LiteLLM
• Agenten-Frameworks: LangGraph • PydanticAI
• Agenten-Runtimes: OpenClaw • Hermes Agent • Letta
• Coding-Agenten: Claude Code • Codex • Cursor • OpenHands
• RAG & Retrieval: Agentic RAG • LlamaIndex • pgvector • Reranking
• Tools & Protokolle: Tool-Use • MCP • Agent Skills
• Observability & Eval: Langfuse • LangSmith
• Engineering-Praxis: Harness Engineering • Verifikation • Evaluation • Scraping / Browser-Automatisierung

– plus jede Technologie, die Du mitbringst.

Deine Aufgaben

• Entwicklung und Betrieb von LLM- und Agenten-Workflows für Competitive Intelligence und Pricing
• robuste Daten-Pipelines und -Extraktion (klassisch und agentengestützt) für Price Watch, Price Engine und Price Analytics
• RAG- und Vektor-Suche (pgvector), Tool-Use, MCP und Evaluation produktiv machen
• produktnahe Weiterentwicklung von ChatKI und der Pricing Suite – robuste Services statt Demo-Prototypen
• Deployment, Logging und Monitoring in angemessenem Umfang

Was du mitbringst

• fundierte Softwareentwicklung mit Python und Erfahrung mit robusten Datenprodukten (SQL, Pipelines, verteilte Systeme)
• agentische Praxis: Dekomposition, Verifikationsdisziplin und der Reflex, die eigene Arbeit zu re-automatisieren
• Erfahrung mit LLMs, RAG und Vektordatenbanken – LLM als Werkzeug verstanden, nicht als Selbstzweck
• Interesse an Pricing und der Versicherungsdomäne von Vorteil
• Lust, an der Frontier zu arbeiten – und uns Deinen Arbeitsprozess mit Agenten zu zeigen, nicht nur das Ergebnis