Auf einen Blick
Technical Content Lead für Datenqualitäts-Plattform. Aufbau von KI-gesteuerten Content-Systemen und Skalierung technischer Inhalte für Daten-Audience (Staff Engineers, CDOs).
💰 €110.000–120.000/Jahr
📊 Mid-Level
🕒 Vollzeit
🌍 Remote
🗺️ EMEA
- Nachgewiesene technische Schreibfähigkeit
- 3+ Jahre Product-to-Market (Content, Growth, DevRel)
- Python oder TypeScript Autonomie
- Ernsthaftes Prompt Engineering (Multi-Step Pipelines)
Python
TypeScript
Growth Engineering
Angegeben: €110.000–120.000/Jahr · Marktschätzung: ~€110.000–120.000/Jahr.
✅ Geeignet für
- Technical Writer mit Growth/Marketing-Hintergrund
- Developer Advocates, die schreiben möchten
- Data Engineers, die Content-Systeme bauen möchten
🚫 Weniger geeignet
- Reine Software-Ingenieure ohne Schreib-Portfolio
- Marketing Agencies oder Agency-Denker
- Kandidaten, die Hand-Content-Produktion bevorzugen
💡 Gut zu wissen
- Keine traditionelle Marketing/DevRel-Rolle (keine Konferenzen)
- Qualität über Volumen - anti-slop ist das Ganze Ziel
- Agentic Workflows täglich - Claude Code, MCP Servers, Agent Skills
Über das Unternehmen
Soda ist die Datenqualitäts-Schicht für Fortune-500-Unternehmen. Das Unternehmen wurde 2019 gegründet und baut die erste Daten- und KI-Performance-Monitoring-Plattform, die Datenerfassung bis automatisierte Entscheidungsfindung überspannt.
Deine Aufgaben
- Website, technische Blogs, Webinare und Produkt-Videos besitzen
- Ein System bauen, das Inhalte in Volumen generiert (nicht Hand-Manufaktur)
- Multi-Step-LLM-Pipelines mit strukturierten Outputs und Evals erstellen
- Inhalte in unterschiedlichen Stimmen schreiben (Gründer, Kundenengineers, Produkt)
- Eigene technische Audience aufbauen (Newsletter, Blog, LinkedIn, Open Source)
- Content-Richtung mit Growth-Team definieren und umsetzen
Deine Voraussetzungen
- Nachgewiesene technische Schreibfähigkeit für technische Zielgruppe
- 3+ Jahre Building von Produkten, die zum Markt gehen (Content, Growth Eng, Marketing Eng, DevRel)
- Python oder TypeScript Code-Autonomie (APIs, Webhooks, Datenbanken)
- Datenflüssigkeit (Datenpipelines, Data Warehouses, Datenqualität)
- Ernsthaftes Prompt Engineering (Multi-Step LLM Pipelines)
- Verteiltes, asynchrones Team (12+ Länder) - Unabhängigkeit essentiell
