Auf einen Blick
Baue Production AI-Systeme als Staff AI Engineer bei Acquia auf. Entwickle Retrieval- und Inference-Layer für Customer Data Platform, arbeite mit LLMs und Knowledge Graphs.
💰 ~$180.000–260.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ Worldwide
- Bewiesene Production AI Engineer Erfahrung
- LLM und RAG Expertise
- Modern Data Stack Knowledge
- Datenverarbeitung und Python Expertise
Gehalt geschätzt anhand Staff-level AI Engineer mit LLM und Data Platform Erfahrung. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- AI/ML Engineer mit Production-Umgebungs-Erfahrung
- Data Engineers, die AI-systeme aufbauen möchten
- Senior Engineers mit LLM und RAG Erfahrung
🚫 Weniger geeignet
- Junior AI/ML Praktiker
- Daten-Scientisten ohne Production Engineering Erfahrung
- Entwickler ohne LLM oder RAG Erfahrung
💡 Gut zu wissen
- Role betont Hands-on Engineering – nicht Management oder Strategy
- LLM Cost-Management ist wichtiger Verantwortungsbereich
- Customer Context Retrieval erfordert schnelle, skalierbare Systeme
Über das Unternehmen
Acquia ist die führende Digital Experience Platform, die von Drupal angetrieben wird. Das Unternehmen befähigt Tausende globaler Organisationen, digitale Produkte zu erstellen und bereitzustellen. Die Data & Intelligence-Funktion baut auf über einer Dekade von Drupal- und Customer-Daten auf.
Deine Aufgaben
- Schreibe und shippe täglich Production AI Code
- Leite Arbeit an der Kundenkontext-Abrufbarkeit an: Semantic Retrieval, Indexierung und Knowledge Graph über Datenplattform
- Baue Inference- und Signal-Layer: Modelle und Prozessoren, die aus Iceberg-basiertem Lakehouse lesen und scored Inference zurückschreiben
- Wende Signale in Aktion um: Erkannte Bedingungen wie Churn-Risiko oder Expansion-Möglichkeiten in Workflows umwandeln
- Wähle das richtige Tool für jeden Workload: große Modelle, kleine Fine-Tuned-Modelle oder deterministic Code
- Definiere Evaluation und Observability für AI Systeme
- Setze Muster für andere Teams, die gegen deine Contracts bauen
Deine Voraussetzungen
- Bewiesene Erfahrung als AI Engineer oder Machine Learning Engineer in Production-Umgebungen
- Tiefe Expertise in LLM, RAG, oder ähnlichen NLP-Technologien
- Erfahrung mit modernen Data Stacks (Iceberg, Delta Lake, ähnlich)
- Python und Datenverarbeitung Expertise
- Verständnis für Infrastruktur as Code und DevOps Praktiken
- Fähigkeit, autonome, hochwertige Code zu liefern
