Delve
201 - 500 Mitarbeiter
Gegründet 1967
🤝 B2B
🔧 Hardware
B2B • Hardware
Delve ist eine Produktinnovationsfirma, die Start-ups und Fortune-500-Unternehmen dabei unterstützt, Hardware und vernetzte Produkte durch fortschrittliche Forschung, Strategie, Design und Technik auf den Markt zu bringen. Das Unternehmen arbeitet in den Bereichen Gesundheitswesen, Konsumgüter und Handel zusammen, um Medizinprodukte, digitale Gesundheitsplattformen, IoT-Wearables und erstklassige digitale Erlebnisse zu entwickeln und betreibt Studios in Boston, Philadelphia, Madison und San Francisco. Delve legt besonderen Wert auf nutzerzentriertes Design, regulatorische und ingenieurtechnische Genauigkeit und eine durchgängige Produktentwicklung von der Strategie bis zum Markteintritt.
KI-Ingenieur
Stelle nicht auf LinkedIn
🔥 vor 13 Minuten
🗣️🇺🇸🇬🇧 Englisch erforderlich
📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle
Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.
Delve
201 - 500 Mitarbeiter
Gegründet 1967
🤝 B2B
🔧 Hardware
B2B • Hardware
Delve ist eine Produktinnovationsfirma, die Start-ups und Fortune-500-Unternehmen dabei unterstützt, Hardware und vernetzte Produkte durch fortschrittliche Forschung, Strategie, Design und Technik auf den Markt zu bringen. Das Unternehmen arbeitet in den Bereichen Gesundheitswesen, Konsumgüter und Handel zusammen, um Medizinprodukte, digitale Gesundheitsplattformen, IoT-Wearables und erstklassige digitale Erlebnisse zu entwickeln und betreibt Studios in Boston, Philadelphia, Madison und San Francisco. Delve legt besonderen Wert auf nutzerzentriertes Design, regulatorische und ingenieurtechnische Genauigkeit und eine durchgängige Produktentwicklung von der Strategie bis zum Markteintritt.
Beschreibung
• Aufbau, Iteration und Wartung von KI-Agenten innerhalb der von Lead-KI-Ingenieur definierten Architektur und Vorgaben • Gesamtverantwortung für Ihre Agenten: Prompt-Design, Anbindung von Tools, Kontext-Routing, Fehlerbehandlung und Ausgabevalidierung • Integration von Datenkomponenten über Medienplattformen hinweg — Datenaufnahme, Normierung gemäß Schema und Weiterleitung in den korrekten Agentenkontext • Arbeiten innerhalb definierter Datenverträge und Erkennen von Schema-Drift, bevor diese zu Laufzeitfehlern führt • Kein Feature geht in die Entwicklung ohne definierte Erfolgskriterien und Regressionstests • Durchführung von Prompt-Benchmarks, Überwachung der Ausgabequalität über Modellversionen hinweg und proaktive Meldung von Halluzinationsmustern oder Qualitätsrückgängen • Aufbau und Wartung von ETL-/ELT-Pipelines zur Unterstützung täglicher automatisierter Aufrufe und wöchentlicher Optimierungsberichte • Arbeiten innerhalb und Erweiterung der MCP-Connector-Bibliothek für externe Plattform-APIs • Aufbau und Wartung von auf Slack basierenden Freigabe-Workflows — Agentenaufrufe, Feedback-Erfassung, Ausnahmewarnungen und Betriebsbenachrichtigungen • Verantwortung für die Zuverlässigkeit Ihrer Agenten im Produktivbetrieb • Überwachung der Ausgabequalität, Reaktion auf Vorfälle und Beseitigung der Ursachen statt oberflächlicher Behebungen
🎯 Anforderungen
• Mindestens 4 Jahre Berufserfahrung in Software-, Data-Engineering-, ML- oder KI-Plattform-Projekten mit direkter Verantwortung für produktive Systeme • Erfahrung mit Medienplattform-APIs (Google Ads, Meta, DV360, Semrush, SerpAPI) • Sehr gute Kenntnisse in Python und SQL — produktionsreife Implementierungen, nicht nur analytische Skripte • Erfahrung mit MCP oder einer vergleichbaren Integrationsschicht • Praktische Erfahrung beim Aufbau oder Betrieb von LLM-Anwendungen, agentischen Systemen oder Tool-Calling-Workflows • Erfahrung mit Workflow-Orchestrierungstools: Airflow, Dagster, Prefect, dbt • Entwurf von ETL-/ELT-Pipelines und Sicherstellung der Datenzuverlässigkeit im Betrieb — Schema-Management, Durchsetzung von Datenverträgen, Überwachung der Datenaktualität • Cloud-Infrastruktur: AWS, GCP oder Azure; containerisierte Deployments (Docker) • Erfahrung in der Definition von Evaluationsrahmen und Erfolgskriterien für Modelloutputs • Slack-API- und webhook-basierte Workflow-Automatisierung • Vertrautheit mit Vektor-Datenbanken und RAG-Patterns für Retrieval über lange Kontexte • Erfahrung in der Auslieferung von Systemen, die Modelllogik, deterministische Geschäftsregeln und menschliche Genehmigungsabläufe kombinieren • LLM-Evaluierungstools — Token-Kosten-Tracking, Halluzinations-Erkennung, Modell-Benchmarking
🏖️ Vorteile
• Nur Bewerber mit Sitz in der EU
Jetzt Bewerben
