Auf einen Blick
Senior AI Engineer bei Jeeves für Produktionsreife LLM-Systeme im Fintech-Kontext. Fokus auf RAG, Prompt Engineering und Production ML Ops. Remote, vollzeitlich.
💰 ~$130.000–180.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- LLM-Pipeline-Erfahrung
- RAG-Design
- Production ML Ops
- Financial Domain Knowledge
Python
LLM Engineering
RAG
Prompt Engineering
LangChain
Vector Databases
Machine Learning Operations
Gehalt geschätzt anhand Senior ML/AI Engineer, LLM Specialization, Production Focus, Fintech Domain. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML Engineers mit LLM-Erfahrung
- Data Scientists mit Production ML Ops Background
🚫 Weniger geeignet
- Reine Research-Orientierte ML-Wissenschaftler
- Ohne Production Deployment Erfahrung
💡 Gut zu wissen
- Finanzkontext erfordert hohe Zuverlässigkeit und Fehlerbehandlung
- LLM-Prompt-Versionierung ist zentral
- Vector-Database-Erfahrung ein Plus
Über das Unternehmen
Jeeves baut KI in den Kern seiner Finanzplattform ein, von intelligenter Spend-Kategorisierung und Anomalieerkennung bis zu LLM-gestützten Workflows für Finance Teams.
Deine Aufgaben
- Produktionsreife LLM-Integrations-Pipelines designen, bauen und unterhalten
- RAG, Prompt Engineering, Output Parsing und Chain Orchestration implementieren
- KI-Features in Jeeves Kernprodukten entwickeln: Spend-Kategorisierung, Dokumentenextraktion, Anomalieerkennung, Financial Q&A, automatische Reconciliation
- Structured Output Validation, Fallback Handling und Confidence Scoring für finanzielle Use Cases sicherstellen
- AI-Frameworks und Tools evaluieren und integrieren (LangChain, LlamaIndex, OpenAI API, Anthropic API, HuggingFace, Vector Databases)
- Vector-Search-Pipelines mit Pinecone, Weaviate oder pgvector designen und unterhalten
- Document Ingestion und Chunking für finanzielle Daten optimieren
Deine Voraussetzungen
- Nachgewiesene Erfahrung beim Bauen von LLM-Pipelines
- RAG-Architektur-Design-Erfahrung
- Betrieb von ML-Systemen in Production
- Tiefes Verständnis für Zuverlässigkeit und Fehlerbehandlung im Financial Context
- Proficiency in Python und relevanten ML-Frameworks
