Staff-Backend-Engineer für Kontextmanagement

Die Rolle verantwortet Konzeption, Entwicklung und Wartung der Kontextverwaltung, damit KI-Agenten Informationen aus unterschiedlichen Unternehmensquellen abrufen und verarbeiten können. Gemeinsam mit Produkt- und KI-Teams verbessert sie die Suchqualität und die messbare Leistung der Agenten.

Python oder Go
Docker
Kubernetes
AWS oder Azure oder Google Cloud

Gehalt: Kein Gehalt angegeben
Umfang: Vollzeit
Erfahrung: Staff

Deine Aufgaben

Die Rolle konzipiert und entwickelt skalierbare Such- und Retrievalsysteme, die lexikalische und semantische Verfahren verbinden.
Sie entwickelt und wartet Konnektoren für Unternehmensdatenquellen wie SaaS-Plattformen, Data Warehouses, Dokumentenspeicher und APIs.
Sie erstellt Datenpipelines, die Kundendaten für KI-Agenten aufnehmen, transformieren und indexieren.
Sie ruft Analysedaten aus kundenseitigen Data Warehouses wie Snowflake, BigQuery und Databricks ab und verarbeitet sie.
Sie verantwortet Projekte von Architektur und technischem Entwurf über Implementierung und Bereitstellung bis zur laufenden Wartung.
Sie arbeitet mit Produkt- und KI-Teams zusammen, um bessere Retrievalqualität in messbare Leistungssteigerungen der Agenten zu übersetzen.
Sie optimiert Retrievalpipelines hinsichtlich Latenz, Relevanz und Kosteneffizienz bei hoher Skalierung.
Sie trägt zu einer Arbeitskultur mit hoher Effizienz, Kreativität und Qualität bei.

Das solltest du mitbringen

Gefordert sind 10+ Jahre Engineering-Erfahrung und Startup-Erfolge. Ideal sind 10+ Jahre im Aufbau von Retrieval- und Datenintegrationssystemen, besonders in dynamischen Startups.

Erforderlich12 Punkte

Erforderlich ist ein Abschluss in Informatik, Ingenieurwissenschaften oder einem verwandten Fach.
Erforderlich sind mindestens 10 Jahre Engineering-Erfahrung.
Erforderlich sind sehr gute Kenntnisse in Python oder Golang sowie die Bereitschaft, bei Weiterentwicklung des Technologie-Stacks mit weiteren Sprachen zu arbeiten.
Erforderlich ist Erfahrung im skalierbaren Aufbau von Enterprise-SaaS-Integrationen oder Quellkonnektoren oder praktische Erfahrung mit Suchtechnologien wie Elasticsearch und Vektordatenbanken, etwa Pinecone, Weaviate, Qdrant oder vergleichbaren Technologien.
Erforderlich sind fundierte Kenntnisse in mindestens einer Cloudumgebung: GCP, AWS oder Azure.
Erforderlich sind nachweisbare Erfolge in einem schnelllebigen Startup-Umfeld.
Erwartet wird selbstständiges Arbeiten über den gesamten Technologie-Stack hinweg, auch ohne dedizierte DevOps-Unterstützung.
Erforderlich ist Erfahrung mit containerisierten Umgebungen mit Docker und Kubernetes.
Erwartet wird eine leistungsstarke individuelle Mitarbeit mit eigenständiger Verantwortung für große Projekte bei geringer Aufsicht.
Erwartet wird architektonisches Denken, das langfristige Entwurfsqualität und Startup-Geschwindigkeit ausbalanciert.
Erwartet werden ausgezeichnete Kommunikationsfähigkeiten und zwischenmenschliche Kompetenzen.
Erwartet wird ein kontinuierlicher Antrieb zu Verbesserung und Innovation.

Von Vorteil10 Punkte

Ideal sind praktische Mitarbeit und mindestens 10 Jahre Erfahrung im Aufbau von Information-Retrieval- und Datenintegrationssystemen, besonders in einem schnelllebigen Startup-Umfeld.
Bevorzugt wird ein solides Verständnis von Embeddings, semantischer Suche und Mustern für Retrieval-Augmented Generation (RAG).
Bevorzugt wird Erfahrung im Aufbau und in der Wartung von Datenpipelines und ETL-/ELT-Abläufen.
Bevorzugt wird Vertrautheit mit mindestens einer großen Data-Warehouse-Plattform wie Snowflake, BigQuery, Databricks oder Redshift.
Bevorzugt wird Erfahrung mit LLM-APIs und Agentenframeworks im Produktivbetrieb.
Bevorzugt wird Erfahrung mit Chunking-Strategien, Re-Ranking-Modellen und hybriden Retrievalansätzen.
Bevorzugt wird Erfahrung mit Suche, Information Retrieval oder Data Engineering.
Bevorzugt wird Vertrautheit mit Data Governance, Zugriffskontrolle und mandantenfähigen Datenarchitekturen.
Bevorzugt werden Beiträge zu Open-Source-Projekten für Suche oder Retrieval.
Bevorzugt wird Erfahrung mit Produktivsystemen für Unternehmenskunden.

Veröffentlicht: 22.05.2026 · Quelle geprüft: 26.10.2026.

Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.