AI Engineer (m/w/d) - LLM, RAG, Agentic Systems
Get alerts for roles like this
More AI Engineer (m/w/d) - LLM, RAG, Agentic Systems roles in Stuttgart — straight to your inbox. No account needed.
Applying to this role? Tailor your résumé to this job description in one click, then download it clean — no watermark, no subscription.
Job Description
Du liebst es, mit Sprachmodellen zu arbeiten und komplexe Probleme zu lösen? Willkommen bei CADAICO, der Heimat für neugierige Entwickler:innen, KI-Nerds, Geeks und Engineering Talente.
Unser Startup CADAICO, die Chat-to-Design Company , ist ein kleines, aber schnell wachsendes Startup aus Stuttgart, das von Pedram, einem ehemaligen Mid-Level Manager aus dem Maschinenbau, und Daniel, einem KI-Forscher vom KIT gegründet wurde.
Unser Team baut Software, die KI-Methoden mit herkömmlichen Algorithmen kombiniert – damit Ingenieur:innen im Maschinenbau ihre Konstruktionen automatisiert erstellen können, statt manuell mit CAD-Tools.
Mit vielversprechenden Projekten in der Pipeline haben wir eine gute Grundlage für die nächste Wachstumsphase und suchen dafür Menschen, die selbstständig denken , Verantwortung übernehmen und echte KI-Produkte bauen wollen, die den Maschinenbau prägen.
Aufgaben Was du bei uns machst Baue das KI-Herz unseres Chat-to-Design Produkts : von der LLM-Anbindung bis zum produktiven Agenten Sorge dafür, dass unsere Software kundenspezifisch lernt, ohne dass ein Modell trainiert wird – über versionierte System-Prompts, Wissensbasen, Regelwerke, Feedback- und Memory-Systeme.
Kundenspezifik über Architektur anstatt über Gewichtung Entwickle und optimiere unsere RAG-Pipelines über Konstruktions- und Bauteildaten Erstelle Agentic Workflows : Tool Use, Function Calling, mehrstufiges Reasoning und robuste Fehlerbehandlung Setze komplexe KI-Ideen in zuverlässige, produktive Softwarefeatures um – gemeinsam mit unseren Software Engineers Qualifikation Was du mitbringen solltest Sehr gute Kenntnisse in Python und sauberes, wartbares Engineering – Typing, Tests, verständliche APIs Erfahrung mit RAG : Embeddings, Vektorsuche, Re-Ranking – und ein Gespür dafür, warum Retrieval mit echten Daten schwieriger ist als im Tutorial Erfahrung mit Agentic Workflows : Tool Use bzw.
Function Calling, mehrstufiges Reasoning – und ein Gefühl dafür, was passiert, wenn das Modell