P
AI Operations Engineer / Workflow Architect 100% (DE/EN)
properti
On-site Lead 2d ago
About the role
About the Role
Als AI Operations Engineer bist du das operative Herzstück unserer KI-Transformation. Du sitzt im CEO Office, rapportierst direkt an den Head of AI Strategy & Adoption und trägst die Verantwortung dafür, dass unsere KI-Strategie nicht nur auf dem Papier existiert – sondern täglich in jedem Team, in jedem Prozess wirkt.
Du baust autonome, AI-native Workflows und Agenten‑Systeme, die kognitive Aufgaben eigenständig übernehmen. Du misst Outputs, nicht nur Deployments. Du denkst in Systemen, nicht in Einzellösungen. Und du befähigst unsere Operations‑Teams – von Marketing über HR bis Finance – eigenständig mit KI zu arbeiten, ohne für jede Anfrage die Technologie‑Abteilung zu bemühen.
Dies ist keine Stabsstelle und keine Projektmanagementrolle. Du baust, testest, lieferst – und iterierst schnell.
Responsibilities
AI‑native Workflow‑Design & Orchestrierung
- Design und Betrieb autonomer AI‑Agenten und Multi‑Agent‑Systeme für operative Aufgaben in Marketing, HR, Finance und Sales Support
- Orchestrierung von LLM‑basierten Workflows mit Claude, Gemini und weiteren Frontier‑Modellen – tool‑agnostisch, ergebnisorientiert
- Aufbau von Agentic Pipelines über Paperclip: Agenten‑Koordination, Task‑Delegation und Workflow‑Steuerung als primärer Orchestrierungs‑Layer
- Aufbau und Betrieb von Agentic Pipelines, die nicht nur Daten verarbeiten, sondern situativ entscheiden und eskalieren
- Systemintegration über APIs und Webhooks; klassische Automatisierungsplattformen (Make, n8n) als ergänzendes Werkzeug, wo native AI‑Orchestrierung noch nicht greift
AI‑Qualität, Governance & Evaluation
- Aufbau systematischer Evaluierungs‑Frameworks für AI‑Outputs in produktiven Prozessen – kein Deployment ohne Qualitätskontrolle
- Definition und Betrieb von Guardrails und Eskalationslogiken für autonome AI‑Aktionen mit Kundenkontakt
- Transparentes Reporting über AI‑Performance, Fehlerquoten und Effizienzgewinne an Head of AI, CTO und CEO
- Enge Abstimmung mit Legal und Compliance bei AI‑Aktionen mit regulatorischer Relevanz
Knowledge Architecture & institutionelles Gedächtnis
- Aufbau und strategische Pflege der unternehmensweiten Knowledge‑Base in Langdock als AI‑Betriebsgedächtnis
- Strukturierung von Unternehmenswissen so, dass Agenten zuverlässig darauf zugreifen und eigenständig Entscheidungen ableiten können
- Sicherstellung von Aktualität, Qualität und Zugriffsstruktur der Knowledge‑Layer – inkl. Versionierung und Ownership‑Logik
Internes AI‑Betriebs
- Aufbau eines internen AI AgentOS: jede Person in Operations kann AI‑Workflows eigenständig steuern und anpassen – ohne Tech‑Abhängigkeit
- Entwicklung interner Standards, Playbooks und Governance‑Strukturen für den unternehmensweiten AI‑Einsatz
- Identifikation und Förderung interner AI‑Champions; du baust Kompetenz auf, nicht Abhängigkeit von dir
Must‑Have Requirements (Muss‑Kriterien)
- Nachgewiesene, hands‑on Erfahrung im Aufbau AI‑nativer Workflows und Agenten‑Systeme in produktiven Umgebungen – nicht theoretisch, nicht im Sandbox
- Tiefes Verständnis von LLM‑Systemen: Prompt Engineering, Kontext‑Management, Tool Use, Agenten‑Architektur
- Erfahrung mit AI‑Orchestrierungsplattformen (Paperclip oder vergleichbar) für Multi‑Agent‑Koordination und Aufgaben‑Delegation
- Erfahrung mit AI‑Evaluierung: du weißt, wie man AI‑Outputs systematisch testet, bewertet und verbessert
- Starkes Integrations‑Verständnis: API‑Logik, Webhooks, Datenstrukturen (JSON, REST) – tool‑agnostisch
- Erfahrung mit Knowledge‑Management‑Plattformen (Langdock oder vergleichbar) für unternehmensweiten Wissen
- Fähigkeit, Business‑Zusammenhänge zu verstehen und jede Automatisierungsentscheidung an messbarem Geschäftswert zu knüpfen – kein reines Tool‑Denken
- Hohe Eigeninitiative: du brauchst keine tägliche Führung, du schaffst sie für andere
Nice‑to‑Have (Kann‑Kriterien)
- Erfahrung mit klassischen Workflow‑Automatisierungsplattformen (Make, n8n oder vergleichbar) – als ergänzendes Werkzeug
- Grundkenntnisse in Python oder vergleichbarer Scripting‑Sprache für Custom‑Logik
- Erfahrung in einem Scale‑up oder wachstumsorientierten Unternehmen
- Hintergrund in PropTech, FinTech oder operationsintensivem B2B‑Umfeld
- Erfahrung mit CRM‑Systemen
Personal Traits (Persönlichkeit)
- Du denkst in Systemen und Hebeln, nicht in Einzelaufgaben
- Hohe Lerngeschwindigkeit: du bist in 6 Monaten auf dem Stand, den andere in 2 Jahren erreichen
- Du kannst AI‑Komplexität für nicht‑technische Stakeholder greifbar machen
- Deutsch und Englisch fließend in Wort und Schrift
Requirements
- Proven, hands-on experience in building AI-native workflows and agent systems in productive environments - not theoretical, not in the sandbox.
- Deep understanding of LLM systems: Prompt Engineering, Context Management, Tool Use, Agent Architectures.
- Experience with AI orchestration platforms (Paperclip or comparable) for multi-agent coordination and task delegation.
- Experience with AI evaluation: you know how to systematically test, evaluate, and improve AI outputs.
- Strong integration understanding: API logic, webhooks, data structures (JSON, REST) - tool-agnostic.
- Experience with knowledge management platforms (Langdock or comparable) for company-wide knowledge layer.
- Ability to understand business contexts and link every automation decision to measurable business value - not just pure tool thinking.
- High initiative: you don't need daily management, you create it for others.
Responsibilities
- Design and operate autonomous AI agents and multi-agent systems for operational tasks in Marketing, HR, Finance, and Sales Support.
- Orchestrate LLM-based workflows with Claude, Gemini, and other frontier models - tool-agnostic, results-oriented.
- Build agentic pipelines via Paperclip: agent coordination, task delegation, and workflow control as the primary orchestration layer.
- Build and operate agentic pipelines that not only process data but also make situational decisions and escalate.
- System integration via APIs and webhooks; classic automation platforms (Make, n8n) as a supplementary tool where native AI orchestration is not yet applicable.
- Build systematic evaluation frameworks for AI outputs in productive processes - no deployment without quality control.
- Define and operate guardrails and escalation logics for autonomous AI actions with customer contact.
- Transparent reporting on AI performance, error rates, and efficiency gains to Head of AI, CTO, and CEO.
- Close coordination with Legal and Compliance for AI actions with regulatory relevance.
- Build and strategically maintain the company-wide knowledge base in Langdock as AI operational memory.
- Structure corporate knowledge so that agents can reliably access it and independently derive decisions.
- Ensure timeliness, quality, and access structure of the knowledge layer - including versioning and ownership logic.
- Build an internal AI AgentOS: every person in Operations can independently control and adapt AI workflows - without tech dependency.
- Develop internal standards, playbooks, and governance structures for company-wide AI use.
- Identify and promote internal AI champions; build competence, not dependency on yourself.
Skills
ClaudeGeminiJSONLangdockLLMMaken8nPaperclipPythonRESTWebhooks
Don't send a generic resume
Paste this job description into Mimi and get a resume tailored to exactly what the hiring team is looking for.
Get started free