Auf einen Blick
Baue und shippe KI-gesteuerte Product Features für Pleo's 40.000+ Kunden als Senior Applied AI Engineer. Du wirst RAG-Systeme entwerfen, LLM-Evaluations bauen und AI-Produkte von Prototyp bis Production mit Python und Cloud-Native Tools skalieren.
💰 €100.000–140.000/Jahr
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ EMEA
- Production Erfahrung Shipping Customer-Facing AI Features
- Deep RAG System Design Expertise
- Strong Python und API Development
Python
LLMs
RAG Systems
Evaluation Frameworks
APIs
AWS
GCP
✅ Geeignet für
- Python/ML Engineers mit Production LLM Erfahrung
- AI Specialists interessiert an Spend Management Domain
🚫 Weniger geeignet
- Research-Only Data Scientists ohne Shipping Track Record
- Kandidaten ohne Production AI Deployment Erfahrung
💡 Gut zu wissen
- Production AI Systems unterscheiden sich wesentlich von Research
- RAG ist nicht trivial und erfordert deep Optimization Skills
- Evaluation Frameworks sind kritisch für Quality Assurance
Über das Unternehmen
Pleo transformiert Spend Management mit AI-gesteuerten Lösungen für Finance Teams weltweit. Das Unternehmen hilft über 40.000 Kunden, Geldverwaltung nahtlos und effektiv zu gestalten. Pleo wurde von 850+ Personen aus über 100 Nationalitäten gegründet und wird als Great Place to Work anerkannt.
Deine Aufgaben
- Baue und shippe AI-Powered Product Features für Pleo's Customers, owning Outcomes End-to-End
- Design und baue End-to-End RAG Systeme für spezifische Product Use Cases: Chunking Strategien, Embedding Model Selection, Retrieval Optimisation
- Eigene vollständige AI-Product Lifecycle: Prompt Design, Context und State Management, Agentic Loops, Output Parsing, Edge Case Handling
- Baue Evaluation Datasets und Automated Eval Pipelines um Team Confidence in AI Feature Quality
- Instrument AI Features für Production Observability: Logging, Drift Detection, Quality Monitoring
- Kollaboriere mit Product und Design um AI Features von Ersten Prinzipien zu scopen
- Partnere mit GenAI Platform Team um Infrastructure Needs zu identifizieren
Deine Voraussetzungen
- Proven Erfahrung Shipping Customer-Facing AI Features mit LLMs, beyond Prototype Stage
- Deep Practical Erfahrung mit RAG System Design und vollständigem Retrieval Pipeline
- Erfahrung Building und Operating Evaluation Frameworks für LLM-basierte Systeme
- Strong Python Engineering mit Production-Grade Code
- Erfahrung Building APIs und Data Retrieval Pipelines
- Agentic System Patterns: Tool Use, Multi-Step Orchestration, Error Handling
- Familiarity mit Public Cloud Providers (AWS, GCP)
Benefits
- Umfassende Versicherungsleistungen
- Professionelle Entwicklung und Lernchancen
