AI Engineer – Agentic AI Platform (m/w/d)

wailand baut eine agentische KI-Plattform für das Engineering im Maschinenbau. Sie läuft bereits produktiv bei Industriekunden. Unser Ziel: Engineering radikal neu denken und die Industrie in Europa technologisch stärken. Jetzt bauen wir aus: tiefere Integration in CAD, PLM und ERP, Knowledge Graph, Laufzeitumgebung für Agents und die Agenten-Architektur selbst.

Du entwickelst die KI-Bausteine der Plattform, und das in zwei Welten. Klassische KI leitet aus CAD-Modellen und 2D-Zeichnungen semantische Informationen ab: Geometrie, Features, Maße, Toleranzen. LLM-basierte Komponenten arbeiten auf diesem Kontext: Retrieval, Tool-Calling, Agents. Entscheidend ist nicht, welches Modell du einsetzt, sondern ob das Ergebnis beim Kunden verlässlich stimmt. Deshalb gehört Evaluierung bei uns zur Entwicklung, nicht an ihr Ende. Auch du entwickelst agentisch: Agents schreiben und reviewen den Code, du konzipierst, steuerst, prüfst und gibst frei.

Was du bei uns machst

• Du entwickelst Verfahren, die aus CAD-Modellen, 2D-Zeichnungen und Stücklisten semantische Informationen ableiten: Geometrieanalyse, Feature Recognition, eigene Modelle. Klassische KI, nicht nur LLMs.
• Du überführst diese Informationen in unseren Knowledge Graph und machst sie für Agents nutzbar.
• Du entwickelst LLM-Komponenten für die Plattform: Retrieval-Architekturen, Tool-Calling, Agent-Workflows mit State Management und Guardrails.
• Du entscheidest je Aufgabe, welches Modell passt, Frontier-Modell, lokales LLM oder ein klassisches Verfahren, und begründest das mit Messwerten.
• Du baust Prüfstände, die Modelle und Agent-Flows gegen Referenzergebnisse messen, und verankerst Evaluierung im Entwicklungsprozess.
• Du bringst KI-Komponenten in den produktiven Betrieb: skalierbar, reproduzierbar, in der Cloud und OnPrem, auch mit lokalen Modellen.
• Du arbeitest agentisch: Du beschreibst Aufgaben, steuerst Coding-Agents, reviewst und gibst frei.
• Du entwickelst unseren Harness mit, vor allem dort, wo Evaluierung und Modellauswahl Teil der Entwicklungsumgebung werden.
• Du arbeitest eng mit dem Software Architect, den Software Engineers und den Fachleuten aus dem Maschinenbau zusammen, damit die KI zu echten Engineering-Daten passt.

Was du mitbringst

Must-have

• Du hast mehrere Jahre Erfahrung in Machine Learning oder AI Engineering und hast Modelle in produktive Systeme gebracht.
• Du beherrschst Python und das übliche ML-Ökosystem (zum Beispiel PyTorch, scikit-learn) und kennst klassische Verfahren jenseits von LLMs.
• Du hast LLM-basierte Komponenten gebaut (RAG, Embeddings, Tool-Calling, Agents) und weißt, wo ihre Grenzen liegen.
• Du evaluierst systematisch: Datensätze, Metriken, Benchmarks, Regressionstests für Modelle und Prompts.
• Du arbeitest bereits mit Coding-Agents (zum Beispiel Claude Code, Codex, Cursor) und willst Software konsequent so bauen.
• Du denkst in Systemen, nicht in Prompts, und gibst direktes Feedback.

Nice-to-have

• Du hast mit Geometriedaten, CAD-Formaten oder technischen Zeichnungen gearbeitet (zum Beispiel STEP, DXF, Zeichnungen als PDF).
• Du hast lokale LLMs selbst gehostet und optimiert: Quantisierung, Fine-Tuning, Inferenz-Setups.
• Du kennst Knowledge Graphs, Ontologien oder Graph-Datenbanken.
• Du hattest Berührungspunkte mit dem Maschinenbau oder mit Engineering-Systemen (CAD, PLM, ERP).
• Du hast Software OnPrem bei Industriekunden betrieben.

Rahmen

Dortmund oder Heilbronn, hybrid: Remote ist möglich, bevorzugt treffen wir uns ein- bis zweimal pro Woche im Büro. Deutsch verhandlungssicher, Englisch konversationssicher.

So entwickeln wir

Der Mensch macht bei uns das, worauf es ankommt: die technische und fachliche Konzeption, die Steuerung der Agents, den Prüfumfang und die Freigabe des Release. Die Entwicklungsumgebung dafür, unseren Harness, bauen wir selbst und entwickeln ihn ständig weiter. Wer bei uns entwickelt, denkt KI also doppelt: als Werkzeug im eigenen Arbeitsalltag und als Bestandteil des Produkts.

Tech-Stack

Python (FastAPI, PyTorch, scikit-learn, OpenCV), Java, Docker, Kubernetes, CI/CD, Postgres, Vektor-Datenbanken, Graph-Datenbanken, Langchain, LangGraph, Frontier-Modelle (Anthropic, OpenAI) und lokale LLMs (Open-Source-Modelle, selbst gehostet), Claude Code und weitere Coding-Agents, eigener Harness für agentische Entwicklung.

Bewerbung

Kein Standard-Anschreiben. Schick uns an [email protected] , was du gebaut hast, worauf du stolz bist und wo deine Erfahrung zu dieser Stelle passt. Ein paar Sätze reichen für den Anfang.

Mehr über wailand, unsere Arbeitsweise und das Team auf unserer Karriereseite.