Fullstack Developer – AI & LLM (m/w/d)

Das Ganze läuft als dreijähriges Forschungs- und Entwicklungsprojekt, gefördert durch die Investitionsbank Berlin im Programm ProFIT Berlin. Du bekommst also etwas, das in Produktteams selten ist: Zeit und Budget, um Dinge richtig zu bauen – mit dem Anspruch, dass am Ende ein Produkt in Kinderhänden läuft.

Deine Mission

Du entwirfst und baust die LLM-Architektur hinter dem Lernbegleiter für cleverly und complori: Retrieval über kindbezogene Lernprofile und Kursinhalte, proaktive Kommunikationsauslösung und die Echtzeit-Generierung von Mikrolerninhalten. Du arbeitest eng mit unserem CTO, einem Entwickler:innen (React/Node.js bzw. .NET/Angular), dem Head of Product und der pädagogischen Leitung zusammen.

Deine Aufgaben

• LLM-Architektur entwerfen und aufbauen – Orchestrierung, RAG über Lernprofile und Kursinhalte, proaktive Trigger, strukturierte Ausgaben (Quizze, Lückentexte, Multiple Choice)
• Kontext-Pipeline bauen – Aufbereitung und Vektorisierung heterogener Daten (Kursmaterialien, Interaktionsdaten, Coach-Feedback, Konversationsverläufe) in Postgres/pgvector
• Evaluation und Qualitätssicherung – Eval-Frameworks für Groundedness, kindgerechte Sprache und pädagogische Angemessenheit, inklusive Guardrails und Eskalationswegen zu menschlichen Coaches
• Datenschutz by Design – DSGVO-konforme Verarbeitung sensibler Daten von Minderjährigen, Auswahl und Betrieb von Modellen auf EU-Infrastruktur bzw. in deutschen Rechenzentren
• Produktintegration – Anbindung der KI-Komponenten an unsere bestehende Plattform über REST-APIs, gemeinsam mit dem Entwicklungsteam
• Technologieevaluation – strukturierte Bewertung von Modellen und Frameworks (z. B. LangGraph, Microsoft Agent Framework, DSPy). Wir setzen auf moderne, bewährte Werkzeuge statt auf das Fine-Tuning von Basismodellen.

Das bringst du mit

• Abgeschlossenes Studium in Informatik, Data Science oder eine vergleichbare Qualifikation
• 3–5+ Jahre Berufserfahrung in der Backend-Entwicklung mit Python, nodejs oder C#
• Produktionserfahrung mit LLM-Anwendungen – RAG-Pipelines (Embedding-Auswahl, Chunking, Hybrid Search, Re-Ranking), Agenten-Orchestrierung und/oder Prompt- und Pipeline-Optimierung
• Erfahrung mit LLM-Evaluation – Offline-Eval-Sets, Metriken für Faktentreue und Relevanz, Guardrails. Das ist für uns das wichtigste Einzelkriterium: Wir brauchen jemanden, der belegen kann, dass das System besser wird, statt es nur zu behaupten.
• Solide Kenntnisse in SQL und relationalen Datenbanken; Erfahrung mit Vektordatenbanken (idealerweise pgvector) und mit nicht-relationalen Datenbanken
• Strukturierte, dokumentierte Arbeitsweise und Lust auf ein kleines Team mit hohem Anspruch
• Sehr gute Deutsch- oder Englischkenntnisse – ein großer Teil unserer Inhalte und der Zusammenarbeit ist deutschsprachig
• Ein Herz für unsere Vision und Mission – Begeisterung für das Thema Bildung von Kindern/Heranwachsenden

Nice to have

• Erfahrung mit selbst gehosteter Modellinferenz (z. B. vLLM, TGI) und Linux-Server-Administration
• Grundverständnis von Node.js oder C#/.NET, um Integrationsstellen mitzudenken
• Erfahrung mit regulatorischen Anforderungen, insbesondere DSGVO und Verarbeitung von Kinderdaten
• Affinität zu Bildung und EdTech – oder schlicht eigene Kinder, die dir zeigen, wie Lernen wirklich funktioniert
• Erfahrung mit A/B-Testing und ereignisbasierter Analytik

Unser Tech-Stack

• Plattform: Node.js/React (complori), .NET/Angular (cleverly), AzureDB/Firebase
• KI-Komponenten (dein Bereich): Python, RAG auf pgvector, agentenbasierte Orchestrierung, strukturierte Ausgaben, Eval-Pipelines
• Infrastruktur: Cloud-Hosting mit Fokus auf EU- und DE-Rechenzentren, CI/CD, Monitoring

Was wir bieten

• Transparente Vergütung: bis zu6.600 € brutto im Monat (79.200 € im Jahr), unbefristet und in Vollzeit
• Ein Forschungsprojekt mit Produktanspruch: drei Jahre gefördert durch die IBB, mit klarem Auftrag, echte Fragen zu beantworten statt Features abzuarbeiten
• Technische Entscheidungshoheit: Du baust den KI-Layer von Grund auf – Architektur, Toolwahl und Evaluationsstrategie liegen bei dir
• Wirkung, die man erklären kann: 60.000 Kinder, ein Produkt, das Familien tatsächlich nutzen
• Mentoring für deine eigenen Kinder – unser Produkt steht dem Team offen

Arbeitsort

Berlin, hybrid mit mindestens 3 Tagen pro Woche im Büro. Weil die Stelle über ein Förderprojekt der Investitionsbank Berlin finanziert wird, ist die Tätigkeit am Berliner Standort Voraussetzung – vollständig remote ist leider nicht möglich. Das sagen wir lieber jetzt als im dritten Gespräch.

Bewerbung

Schick uns deinen Lebenslauf oder dein LinkedIn-Profil – ein Anschreiben brauchen wir nicht. Nenn uns stattdessen in ein paar Sätzen ein LLM-System, das du in Produktion gebracht hast, und wie du gemessen hast, ob es gut ist.

Der Prozess: Kennenlernen mit unserem CTO (30 Min) → fachliches Gespräch anhand eines realen Problems aus unserem Projekt (60–90 Min, keine Hausaufgabe über Nacht) → Team- und Kulturgespräch → Angebot. Wir melden uns innerhalb von fünf Werktagen.

We show an excerpt and a link, and the full text when the source allows it. Brands and logos shown belong to their owners.

Posted Nov 01, 2026

Posted Nov 01, 2026

Source: Statistisches Bundesamt (Destatis), table; dl-de/by-2-0; StarIn's calculation