
2 - 10 Mitarbeiter
🤖 Künstliche Intelligenz
⚡ Produktivität
Artificial Intelligence • Productivity
Memory Bridge stellt eine datenschutzorientierte Memory Layer für AI-Tools bereit. Sie erfasst den Kontext aus Gesprächen und teilt relevante Informationen über Modelle wie ChatGPT, Claude und Gemini hinweg. So können Nutzer:innen Memories verwalten, Prompts anreichern und sensible Details schützen.
🔥 vor 59 Minuten
🗣️🇺🇸🇬🇧 Englisch erforderlich
Woher diese Stelle stammt
Veröffentlicht auf der Karriereseite von Memory Bridge ↗, nicht über eine Jobbörse
Von Remote Rocketship zum ersten Mal gesehen vor 59 Minuten
Noch offen auf der Website von Memory Bridge. Geprüft vor 18 Minuten.

2 - 10 Mitarbeiter
🤖 Künstliche Intelligenz
⚡ Produktivität
Artificial Intelligence • Productivity
Memory Bridge stellt eine datenschutzorientierte Memory Layer für AI-Tools bereit. Sie erfasst den Kontext aus Gesprächen und teilt relevante Informationen über Modelle wie ChatGPT, Claude und Gemini hinweg. So können Nutzer:innen Memories verwalten, Prompts anreichern und sensible Details schützen.
• Konzeption und Implementierung der zentralen Architektur des Memory-Subsystems einschließlich Storage-Tiers, Retrieval-Pipelines und datenschutzorientierter Filterung • Entwicklung von Bewertungs-Frameworks für die Qualität des Memory-Retrievals, die Relevanzbewertung und die Wirksamkeit der Augmentierung • Implementierung von Systemen zur Memory-Extraktion und -Klassifizierung, um relevanten Nutzerkontext aus Chatverläufen zu identifizieren, zu priorisieren und bereitzustellen • Recherche und Anpassung von Memory-Architekturen aus wissenschaftlichen Veröffentlichungen und Open-Source-Implementierungen wie MemGPT, Reflexion und kognitiven Architekturen • Konzeption der Memory-Update-Pipeline mit Relevanzfeedback, Korrekturmechanismen und adaptiver Datenschutzklassifizierung • Entwicklung hybrider Suchstrategien, die semantische Embeddings, strukturierte Metadaten, Graphbeziehungen und zeitliche Muster kombinieren • Zusammenarbeit mit dem Product Manager bei der Definition technischer Rahmenbedingungen und der Bewertung der Umsetzbarkeit von Features • Verantwortung für die Produktionszuverlässigkeit von AI-Features einschließlich Rufbereitschaft bei Prompt-Fehlern, Problemen bei der Extraktion und Integrationsfehlern • Anwendung von Strategien für Fehlerzustände und Fallbacks, einschließlich kontrollierter Funktionseinschränkungen, Wiederholungsversuchen und Eskalation zur manuellen Prüfung • Einstieg als Founding ML Engineer und aktive Mitgestaltung produktiver AI-Memory-Systeme
• Mindestens fünf Jahre Berufserfahrung insgesamt, davon mindestens drei Jahre in der Softwareentwicklung und zwei Jahre in der Entwicklung von ML-/NLP-Systemen • Praktische Erfahrung in der Entwicklung LLM-basierter Systeme mit Schwerpunkt auf Kontextmanagement, persistenter Speicherung von Memory oder Personalisierung • Produktionserfahrung mit Vektordatenbanken wie Pinecone, Weaviate, Chroma oder Qdrant sowie mit hybriden Suchsystemen • Erfahrung mit der Überführung LLM-basierter Features in den Produktivbetrieb • Kenntnisse in Prompt Engineering, der Verwaltung von Context Windows und Mustern für die API-Zuverlässigkeit • Praktische Erfahrung mit Frameworks zur LLM-Orchestrierung, darunter LangChain, LangGraph, Mem0, MemGPT, Letta, LlamaIndex oder Haystack • Fähigkeit, hybride Suchen mit dichten Vektoren, Sparse Indices und Metadatenfilterung zu implementieren • Ausgeprägte Debugging-Fähigkeiten für RAG-Pipelines, Prompt-Zuverlässigkeit, Extraktionsgenauigkeit und Function Calling-/MCP-Integrationen • Erfahrung mit agentischen Architekturen, Tool Calling, MCP und Function Orchestration • Erfahrung mit datenschutzwahrendem Machine Learning oder strengen Anforderungen an die Datentrennung • Hervorragende Python-Kenntnisse • Gute praktische Kenntnisse in JavaScript/TypeScript für API-Integrationen und die Entwicklung von JSON-Schemas • Vertrautheit mit Transformer-Netzwerken und Attention-Mechanismen • Erfahrung mit Graphdatenbanken oder Wissensgraphen • Vertrautheit mit dem Testen von LLM-Anwendungen, Evaluierungsdatensätzen, Prompt-Regressionstests und A/B-Tests • Erfahrung mit der Entwicklung LLM-freundlicher APIs mit strukturierten Ausgaben, Streaming-Antworten und Token-Optimierung • Erfahrung mit Experiment-Tracking und Modellversionierung • Erfahrung mit DSGVO/CCPA sowie mit Datenlöschung, Einwilligungsmanagement oder Audit-Trails • Hintergrund in Empfehlungssystemen oder Personalisierungs-Engines • Beiträge zu Open-Source-Projekten im Bereich LLM/RAG oder zur Forschung im Bereich Memory-Systeme • Python, FastAPI, Git/GitHub, GitHub Actions und JSON • Ein Studienabschluss ist für diese Position nicht erforderlich
• Remote-first-Arbeitsumgebung • Asynchrone Kommunikation • Nachhaltige Leistungskultur ohne Burn-out • Inklusiver und fairer Einstellungsprozess • Chancengleichheit im Beschäftigungsverhältnis • Möglichkeit, an anspruchsvollen AI-Themen zu arbeiten und AI-Memory-Systeme mitzugestalten • Vielfältiges und globales Team sowie eine internationale Unternehmenskultur
Jetzt BewerbenVerbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.
🕒 vor 6 Monaten
Leitender ML-Ingenieur zur Entwicklung neuronaler Netze für Fahrspur- und Routennetzwerke bei May Mobility. Fokus auf Architektur, Design und Validierung von Lösungen für autonome Systeme.
🗣️🇺🇸🇬🇧 Englisch erforderlich
🕒 vor 9 Monaten
Machine Learning Engineer, der multilinguale Datenpipelines für verschiedene Sprachen verwaltet und skaliert. Enge Zusammenarbeit mit Forschenden und Entwickler:innen, um robuste Modellleistungen über kulturelle Kontexte hinweg sicherzustellen.
🗣️🇺🇸🇬🇧 Englisch erforderlich
🕒 vor 9 Monaten
ML Engineer mit Fokus auf Trainingsoptimierung, Skalierung und Verbesserung großskaliger Modelltrainingsysteme. Zusammenarbeit mit Forschenden zur Weiterentwicklung von Modellarchitekturen und deren Leistungsfähigkeit.
🗣️🇺🇸🇬🇧 Englisch erforderlich
🕒 vor 9 Monaten
Machine-Learning-Ingenieur mit Schwerpunkt auf Modell-Distillation, um kleinere und schnellere Modelle für den Produktionseinsatz zu erstellen. Arbeiten an wegweisender Forschung und praktischen Anwendungen in einem remote-freundlichen Team.
🗣️🇺🇸🇬🇧 Englisch erforderlich
🕒 vor 9 Monaten
Machine-Learning-Ingenieur, der die Modellinferenzleistung in großem Maßstab optimiert und Forschung mit Produktion verbindet, um schnelle, zuverlässige ML-Systeme bereitzustellen.
🗣️🇺🇸🇬🇧 Englisch erforderlich