Auf einen Blick
AI Engineer bei Labrynth für LATAM Remote mit Forward-Deployed Client-Support. 3-5 Jahre Engineering mit AI/LLM-Fokus. Baut Multi-Agent Pipelines für regulatorische Dokumenten-Verarbeitung.
📊 Mid-Level
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- 3-5 Jahre Software Engineering
- Python-Fähigkeiten
- AI/LLM-Anwendungen Erfahrung
- Cloud Service Komfort
Python
AI/LLM Applications
GraphRAG
Neo4j
GCP
Django/FastAPI
Document Processing
Agent Pipelines
✅ Geeignet für
- Mid-Level AI/ML Engineers
- RAG/GraphRAG Spezialisten
- Document Processing fokussiert
🚫 Weniger geeignet
- Junior-Ingenieure ohne AI
- Keine Python-Erfahrung
- Research-only fokussiert
💡 Gut zu wissen
- Regulated Industries (Energie, Compliance)
- Forward-Deployed Engineering Model
- GraphRAG und Neo4j Fokus
- Small Team mit High Impact
Über Labrynth
Labrynth beschleunigt Fortschritt durch Vereinfachung von regulatorischer Komplexität. Wir bauen KI-gestützte Plattformen, die regulatorische Dokumentation analysieren und Pre-Drafts generieren mit Gewissheit. Unsere Technologie unterstützt Clients in stark regulierten Industrien: Energie, Compliance, Government Permitting.
Über die Rolle
Wir suchen einen AI Engineer zur Zusammenarbeit mit unserem Forward-Deployed Team, der Clients in regulierten Industrien unterstützt. Du wirst mit Senior Engineering zusammenarbeiten, um AI-gestützte regulatorische Dokumenten-Analyse und Pre-Draft-Generation Systeme zu bauen und warten.
Aufgaben
- Multi-Agent AI Pipelines für regulatorische Dokumenten-Analyse, Gap-Identifikation und Pre-Draft-Generation bauen und erweitern
- Export-kontrollierte Materialen in Compliance verwalten
- GraphRAG-basierte Knowledge-Retrieval-Systeme mit Neo4j entwickeln und verbessern
- LLM-Calls für Dokument-Processing orchestrieren
- Mit Engineers und direkt mit Clients zusammenarbeiten, um Anforderungen zu verstehen
Anforderungen
- 3-5 Jahre Software Engineering mit soliden Python-Fähigkeiten
- Erfahrung mit oder starkes Interesse an AI/LLM-Anwendungen (Agent Pipelines, RAG, Document Processing)
- Komfort mit Cloud Services (GCP bevorzugt)
- Beziehungs- oder Graph-Datenbank-Vertrautheit (Neo4j Plus)
- Django oder FastAPI Erfahrung
