The posting
i22
i22 ist über viele technologische Veränderungen hinweg gewachsen. Wir haben nie an einem festen Modell festgehalten. Stattdessen haben wir uns immer wieder neu angeschaut, was Unternehmen gerade wirklich brauchen.
Wir arbeiten selten auf der grünen Wiese. Unsere Projekte entstehen in gewachsenen Organisationen – mit bestehenden Systemen, Prozessen, Abhängigkeiten und Menschen, die damit arbeiten müssen. Genau darin liegt ein großer Teil unserer Arbeit: Wir blenden diese Komplexität nicht aus. Wir bauen Lösungen, die darin tatsächlich funktionieren.
Das gilt für unser gesamtes Portfolio: Im AI Content Studio bauen wir Content-Systeme, die Marken skalierbar und konsistent halten. In Agentic Commerce & Transaction entwickeln wir, wie Kund:innen und ihre Agenten künftig kaufen. In AI Assistance & Customer Service lösen wir Servicefälle automatisiert und messbar. In Agentic Knowledge & Learning machen wir Wissen für Teams nutzbar. In Agentic Transformation klären wir, welche Prozesse und Strukturen die Veränderung tragen müssen.
Technologien verändern sich dabei ständig. AI gehört heute selbstverständlich dazu und ist für uns kein separates Spielfeld: Sie erweitert, wie wir analysieren, entwickeln und betreiben. Entscheidungen, Kontext und Verantwortung bleiben menschlich.
Unser Anspruch an die Arbeit selbst hat sich dabei kaum verändert. Ein gutes Konzept reicht nicht, wenn es sich nicht umsetzen lässt. Ein Go-Live reicht nicht, wenn das System danach nicht trägt. Deshalb denken wir in drei Phasen:
- Design / Discovery: Wir klären, was wirklich gebraucht wird.
- Build: Wir bauen, was unter realen Bedingungen funktioniert.
- Operate: Wir verantworten, was danach passiert.
Was du bei i22 konkret klärst, baust oder verantwortest, hängt von deiner Rolle und deiner Säule ab. Was gleich bleibt: Du arbeitest an einem echten Problem – mit Menschen, die unterschiedliche Perspektiven einbringen, mit Systemen, die bereits existieren, und mit der Verantwortung dafür, dass aus einer Idee etwas entsteht, das trägt.
Unsere Beständigkeit zeigt sich in einem Team, das bereit ist, immer wieder neu hinzusehen, zu hinterfragen und weiterzubauen.
Die Challenge
Wir bauen AI-Anwendungen als produktive Systeme, nicht als Demo.
Mit rund 25 Entwickler:innen bauen und betreiben wir Shops, Self-Service-Strecken und Redaktionssysteme. Darin entstehen die AI-Anwendungen, um die es hier geht: Agentic Commerce, digitale Assistenten, AI-gestützte Content-Produktion, Wissens- und Lernsysteme. Ein LLM-Feature muss mit bestehenden Daten und Anwendungen funktionieren.
Es muss nachvollziehbar und sicher betrieben werden können. Und es muss auch dann noch tragen, wenn sich Modelle, Inhalte oder Anforderungen verändern. AI und Agenten geben dir Geschwindigkeit und Hebel. Die Entscheidung bleibt trotzdem bei dir: ob ein System zuverlässig ist, welche Architektur passt und was produktiv geht.
Dafür suchen wir dich: Du verbindest belastbares Software Engineering mit LLMs, Retrieval, RAG und agentischen Ansätzen.
Design · Build · Operate
Design
Du konkretisierst Produktideen technisch und beurteilst Architektur, Modelle, Schnittstellen, Risiken und Abhängigkeiten.
Build
Du entwickelst produktive AI-Anwendungen und agentische Systeme. Du integrierst sie in bestehende Systemlandschaften.
Operate
Evaluation, Monitoring, Security, Kosten und Modelländerungen denkst du von Anfang an mit und trägst sie nach dem Go-live weiter.
Was du verantwortest
- Qualität und Freigabe dessen, was live geht
- Entscheidungen zur Umsetzung innerhalb unserer Engineering-Standards
- Die Überführung von AI-Ideen und Prototypen in produktionsfähige Systeme
- Die Integration in bestehende Anwendungen, Datenflüsse und Systemlandschaften
- Was produktiv geht und wie zuverlässig es anschließend läuft
- Sichtbare Wirkung nach dem Go-live
Als Senior zusätzlich:
- Architektur eines AI-Systems oder einer Domäne
- Solution Design im direkten Kundenkontakt
- Wissensweitergabe und wiederverwendbare Lösungen für das Team
Dein Entscheidungsspielraum
Du entscheidest:
- Wie du eine Lösung technisch umsetzt
- Welche Modelle, Tools und Agenten zum Einsatz kommen
- Wie du AI-Anwendungen in bestehende Systeme integrierst
- Wie du Qualität und Evaluation sicherstellst
Du gibst Empfehlungen zu:
- Abweichungen von Standards oder bestehendem Stack
- Modellwahl mit Folgen für Kosten oder Datenschutz
- Prioritäten im Projekt
Must Have
- Technical Ownership: Mehrjährige produktive Entwicklungserfahrung; als Senior Verantwortung für Systeme, Domänen und Architekturentscheidungen bis in den Betrieb
- LLM & AI Engineering: LLM-, RAG- oder agentische Anwendungen produktiv gebracht, nicht nur als Prototyp; als Senior: ein solches System technisch verantwortet
- Agentic Engineering: AI-Agenten sind fester Bestandteil deines Engineering-Workflows, mit Prüfschleifen und klarer Verantwortung dafür, was produktiv geht
- Technische Tiefe: Sehr gute Backend-Kenntnisse, sicher in APIs und Systemintegration; Testing, Security und Betrieb gehören für dich dazu
- Solution Design & Kundenkontext: Aufwand, Nutzen, Machbarkeit und Risiken von AI-Optionen einordnen und begründet empfehlen; als Senior: Lösungen direkt mit dem Kunden entwerfen
- Technical Leadership: Wissen im Team und in Reviews teilen; als Senior: andere Engineers technisch stärker machen und Wiederverwendbares schaffen
- Gespür für Nutzererlebnis: Ob eine AI-Funktion Nutzern wirklich hilft, gehört für dich zur Qualität
- Kommunikation: Verhandlungssicheres Deutsch im Kundenkontext und sicheres Englisch
Learnable at i22
- Unser Stack für Anwendungsentwicklung: TypeScript mit Node.js/NestJS, PostgreSQL, Redis, Elasticsearch, REST/GraphQL
- Python für Evaluation und Datenaufbereitung
- Einzelne Vektordatenbanken, Evaluation-Frameworks und Observability-Werkzeuge
- MCP und vergleichbare Agent-Protokolle
- Wirkungsmessung und Datenanalyse, Kosten- und Qualitätssteuerung von AI-Systemen
- EU AI Act, Datenschutz und AI-Kennzeichnung in der Praxis
Professional Statement
Das ist unsere Rolle. Wir stehen mit unserem Job Statement dafür ein.
Wenn du sie mit uns übernehmen willst, möchten wir deinen Blick darauf sehen: Warum diese Rolle? Welche Herausforderungen siehst du darin? Und was fällt dir an dieser Anzeige auf, das wir übersehen haben?
Zeig uns eine LLM-, RAG- oder Agenten-Anwendung, die du maßgeblich entwickelt oder technisch verantwortet hast:
- Welches Problem sollte die Anwendung lösen? Welche Entscheidung lag bei dir, und was hast du dafür in Kauf genommen?
- Wie hast du Modelle, Retrieval, Tools oder Agenten ausgewählt und eingebunden? Wie hast du für Zuverlässigkeit gesorgt, auch wenn sich das Modell unerwartet verhält, und wie hast du dabei Sicherheit und Kosten im Blick behalten?
- Hast du beim Entwickeln selbst AI-Agenten eingesetzt? Was hast du ihnen überlassen und was bewusst nicht? Wie hast du ihren Code geprüft?
Und in wenigen Sätzen: Wie lief es nach dem Go-live, und was würdest du heute anders machen? Wenn du dich als Senior bewirbst: Was aus dem Projekt konnten andere Entwickler:innen oder Teams nutzen?
Schick uns gerne auch deinen Lebenslauf, aber fokussiere dich im Professional Statement bitte auf die Rolle und unsere Fragen.
Inclusion
Bei i22 zählt, was du beitragen kannst und wie du arbeitest – unabhängig von Geschlecht, Herkunft, Alter, Behinderung, sexueller Orientierung, Religion oder Weltanschauung. Du musst nicht jeden Punkt einer Rolle bereits vollständig erfüllen. Wir unterscheiden bewusst zwischen Fähigkeiten, die für den Einstieg notwendig sind, und solchen, die im Kontext der Rolle aufgebaut werden können.
Bringst du den relevanten Kern mit und glaubst, dass du zu dem beschriebenen Problem etwas beitragen kannst? Dann möchten wir dein Professional Statement sehen.
