H
Technical Sourcer
Hmbl Tech · 📍 Remote · 🕒 05.07.2026
📊 Junior
🌍 Remote
H
AI Engineer
Gehalt
20 EUR / Jahr
Auf einen Blick
Founding AI Systems Engineer zur Entwicklung des KI-Kerns einer Plattform mit Agenten-Architekturen, semantischem Retrieval und Decision Intelligence.
💰 ~$170.000–220.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🗺️ Americas
- Tiefes Verständnis von LLM-Tools, RAG und Knowledge Graphs
- Hands-on mit Agent Frameworks wie LangGraph und DSPy
- TypeScript und moderne, typisierte Stacks
- Enterprise Ontology und Operational Memory Erfahrung
LLM Orchestration
Knowledge Graphs
Agent Frameworks
TypeScript
Node.js
Semantic Retrieval
Gehalt geschätzt anhand Founding-Position für Senior AI Engineer in San Diego mit Deep-Tech-Anforderungen. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Erfahrene AI/ML-Engineers mit Produktion-Erfahrung in modernen LLM-Stacks
- Founding-Mentality Engineers mit Eigenverantwortungs-Fokus
- Senior Engineers, die strategische KI-Architektur aufbauen möchten
🚫 Weniger geeignet
- Anfänger ohne Enterprise-Produktion-Erfahrung
- Kandidaten interessiert nur an Model-Training ohne Orchestrierung
- Reine Remote-Kandidaten (San Diego Standort impliziert)
💡 Gut zu wissen
- Founding-Position erfordert hohe Autonomie und schnelle Entscheidungsfindung
- Fokus auf Agent Frameworks und LLM-Orchestrierung, nicht auf Pure Research
- TypeScript + Node als primärer Stack, nicht Python-zentriert
Über das Unternehmen
HMBL ist ein führender Talent Partner und Executive-Search-Lösung. Das Unternehmen wurde gegründet auf der Überzeugung, dass technisches Recruiting durch Partnerschaft erfolgreicher ist als durch Transaktionen. HMBL arbeitet mit innovativen Technologieunternehmen zusammen und verankert seine Grundwerte in Transparenz, Überkommunikation und kontinuierlicher Verbesserung. Das Unternehmen nutzt Best Practices der Branche und KI, um die besten 5 Prozent der technischen Talente zu akquirieren.
Deine Aufgaben
- Verantwortung für den KI-Kern der Plattform: Agenten, Tools, Ontology-Generierung, Memory, Retrieval und Evaluation
- Entwicklung von Long-Lived AI Systems statt Chatbots
- Agent-Architekturen, semantische Retrieval, Knowledge Representation
- Arbeit mit Enterprise-Datensystemen, Decision Intelligence und autonomem Learning aus operativen Daten
- Aufbau von LLM-First- und Reasoning-First-Systemen
Deine Voraussetzungen
- Tiefes Verständnis von modernem KI-Tooling: LLM-Orchestrierung, RAG-Architekturen, Retrieval-Systeme und Knowledge Graphs in Produktion
- Hands-on Erfahrung mit Agent Frameworks wie LangGraph und DSPy
- Starke Engineering-Grundlagen und Erfahrung in modernen, typisierten Stacks (TypeScript + Node)
- Production-quality Code mit Standard-Denken zu Zuverlässigkeit und Skalierung
- Echtes Interesse an Enterprise Ontology Induction, Operational Memory und Agentic Systems