2 beste Stellen als data engineer in frechen – aktuell auf Personalsuche

(Senior) Integration Engineer - AI Platform (m/w/d)
octonomy AI GmbH —Köln
- Vollzeit
- Azure
- Englisch
- Master
Direkt bewerben
3 Tage
Machine Learning Engineer (m/w/d) – MLOps & Software Engineering
flaschenpost SE —Köln
- Vollzeit
- Hybrides Arbeiten
- Azure
- Englisch
- Machine Learning
Direkt bewerben

More jobs to discover

Find similar jobs that you might be interested in.

Machine Learning Engineer (m/w/d) – MLOps & Software Engineering
flaschenpost SE —Köln
Machine Learning Engineer (m/w/d) – MLOps & Software Engineering. Dafür brauchen wir dich als Machine Learning Engineer (m/w/d) mit starkem Software-Engineering…
Direkt bewerben

Ich möchte aktuelle Job-E-Mails für Stellen als data engineer in frechen erhalten

Wenn Sie sich bei Ihrem Konto anmelden, stimmen Sie den Nutzungsbedingungen, den Richtlinien zur Verwendung von Cookies sowie der Datenschutzerklärung von SimplyHired zu.

Weitere Job-Standorte erkunden

data engineer jobs near frechen

Jobs als Integrationstester M W D in Kempten (allgäu)

Jobs als Integrationstester M W D in Feldkirchen

Jobs als Integrationstester M W D in Güstrow

Jobs als Integrationstester M W D in Gießen

Jobs als Integrationstester M W D in Berlin Neukölln

Jobs als Integrationstester M W D in Hürth

Jobs als Machine Learning in Hannover

Jobs als Machine Learning Werkstudent in Berlin

Jobs als Werkstudent Bioinformatik, Machine Learning Deep Learning in Frankfurt Am Main

(Senior) Integration Engineer - AI Platform (m/w/d)

octonomy AI GmbH
Köln

Direkt bewerben

Details zur Stelle

Vollzeit
vor 3 Tagen

Qualifikationen

CI/CD
Azure
Englisch
Master
AWS
Docker
APIs
Künstliche Intelligenz
Python
Deutsch

Vollständige Stellenbeschreibung

Worum es geht
Unsere AI octo-Workers automatisieren komplexe Wissensarbeit in geprüfter Qualität. Dafür brauchen sie saubere, konsistente, reproduzierbare Daten. Genau das verantwortest du: die End-to-End-Integration der Quellen und Services, die unsere Plattform mit verlässlichen Informationen versorgen. Du machst aus unstrukturierten Kundendaten etwas, mit dem unsere LLM-Agenten arbeiten können.

Was du in 12 Monaten gebaut haben wirst

Produktive Daten- und Extraktions-Pipelines, von unstrukturierten Quellen bis zu AI-ready Services, die reproduzierbar laufen, auch wenn sich Quellen ändern.
Eigene Tools und Integrationen gegen Kunden-APIs, Ticketing-Systeme und interne Systeme, oft als Same-Day- oder Next-Day-Prototyp.
Eine Knowledge-Base-Struktur, die Retrieval- und Embedding-Qualität messbar verbessert.
Reproduzierbarkeits- und Service-Standards, auf denen das restliche Team aufbaut.

Was du tun wirst

Kundenanforderungen gemeinsam mit unseren Implementation Managern in funktionierende technische Lösungen übersetzen.
Daten für die Ingestion in unsere RAG-Pipeline extrahieren, bereinigen und transformieren.
Spezialfunktionen bauen, die die Core-Plattform noch nicht abdeckt.
Schnell auf Kundenfeedback iterieren und die Lösung anschließend zu einem stabilen Service härten.

Für wen das ist
Du denkst End-to-End, von der Anforderung bis zum stabilen Service. Du schreibst produktionsreifes Python und triffst technische Entscheidungen mit Blick auf LLM-Verhalten: Embeddings, Ingestion, Chunking, Retrieval. Du hast mit RAG und LLM-Agenten gebaut, in Produktion oder in ernsthaften Side Projects. Du arbeitest AI-native: Claude, Cursor oder vergleichbare Tools gehören zu deinem Alltag, und du kannst beschreiben, wie sich deine Arbeit dadurch verändert hat. Du kommst mit unscharfen, unterbestimmten Problemen klar, bei denen Daten und Anforderungen anfangs unklar sind.

Must-haves

Du hast produktionsreife Python-Services ausgeliefert.
Docker.
Hands-on-Erfahrung mit RAG und mit LLM-Agenten oder agentischen Workflows, beruflich oder in substanziellen Side Projects.
Textmanipulation und Data Wrangling.
Erfahrung mit Agentic Coding.
Belege für das, was du gebaut hast: öffentliche Repos, ein Take-Home oder ein Walkthrough eines privaten Projekts.

Nice to have

Data-Engineering-Hintergrund.
CI/CD und Cloud (AWS, Azure).

Für wen das nicht ist
Engineers, die sich eng auf einen Teil des Stacks spezialisieren wollen. Wir bewegen uns über Datenintegration, Service-Betrieb und die Plattform selbst hinweg. Es kommen neue Kunden, neue Datenquellen und neue Ansätze. Keine zwei Wochen sehen gleich aus.

Der Stack
Python, Docker, leichtgewichtige Web-Services für Near-Real-Time, gängige Auth-Mechanismen (OAuth, SSO). CI/CD und Cloud (AWS, Azure) von Vorteil. AI-Tools sind Teil unserer Arbeitsweise, kein Add-on.

Wie wir arbeiten
Flache Hierarchien, klare Strukturen, remote und hybrid. Made in Germany, SOC 2- und DSGVO-konform. Keine Pilotitis: Wir liefern stabile Implementierungen, getestet wie Software. Arbeitssprache Englisch. Deutsch min. B2 hilft bei deutschsprachigen Kundendaten.

Warum diese Rolle

Tooling rund um LLM-Agenten und agentische Workflows bauen, ein offenes, schnelllebiges Feld.
Probleme lösen, die vor wenigen Jahren nicht möglich waren.
Echte Ownership: prägen, wie das Implementation-Team an Probleme herangeht.
Deine Arbeit treibt den Kundenerfolg direkt, mit messbaren Ergebnissen statt Proof-of-Concepts.

Let’s build the future of work – together. Seriously.

Bei octonomy erwartet dich ein Umfeld, das Qualität schätzt, Kreativität fördert und echte, messbare Resultate liefert. Wenn du Lust hast, KI praxisnah in den Business-Alltag zu bringen und mit uns gemeinsam zu wachsen, freuen wir uns darauf, dich kennenzulernen.

Schreib uns formlos oder mit allem Drum und Dran – Hauptsache, du hast Lust, mitzugestalten.
octonomy.ai | We grow output. Not headcount.

Über uns

octonomy ist ein KI-Unternehmen mit Sitz in Köln, das sich auf die Entwicklung intelligenter KI-Agenten zur Automatisierung von Unternehmensprozessen spezialisiert hat. Mit seiner innovativen Technologie ermöglicht octonomy eine hochqualitative und schnelle Automatisierung von Support Services – von Kundenanfragen bis hin zu internen Mitarbeiter- und Partneranfragen. Die Mission des Unternehmens: Hochkomplexe Support-Prozesse so einfach automatisierbar machen wie nie zuvor.

Direkt bewerben

Erweiterte Suche

data engineer Jobs in frechen

Machine Learning Engineer (m/w/d) – MLOps & Software Engineering

More jobs to discover

Ich möchte aktuelle Job-E-Mails für Stellen als data engineer in frechen erhalten

Related Searches

Weitere Job-Standorte erkunden

Was du in 12 Monaten gebaut haben wirst

Produktive Daten- und Extraktions-Pipelines, von unstrukturierten Quellen bis zu AI-ready Services, die reproduzierbar laufen, auch wenn sich Quellen ändern.

Eigene Tools und Integrationen gegen Kunden-APIs, Ticketing-Systeme und interne Systeme, oft als Same-Day- oder Next-Day-Prototyp.

Eine Knowledge-Base-Struktur, die Retrieval- und Embedding-Qualität messbar verbessert.

Reproduzierbarkeits- und Service-Standards, auf denen das restliche Team aufbaut.

Was du tun wirst

Kundenanforderungen gemeinsam mit unseren Implementation Managern in funktionierende technische Lösungen übersetzen.

Daten für die Ingestion in unsere RAG-Pipeline extrahieren, bereinigen und transformieren.

Spezialfunktionen bauen, die die Core-Plattform noch nicht abdeckt.

Schnell auf Kundenfeedback iterieren und die Lösung anschließend zu einem stabilen Service härten.

Must-haves

Du hast produktionsreife Python-Services ausgeliefert.

Docker.

Hands-on-Erfahrung mit RAG und mit LLM-Agenten oder agentischen Workflows, beruflich oder in substanziellen Side Projects.

Textmanipulation und Data Wrangling.

Erfahrung mit Agentic Coding.

Belege für das, was du gebaut hast: öffentliche Repos, ein Take-Home oder ein Walkthrough eines privaten Projekts.

Nice to have

Data-Engineering-Hintergrund.

CI/CD und Cloud (AWS, Azure).

Für wen das nicht ist Engineers, die sich eng auf einen Teil des Stacks spezialisieren wollen. Wir bewegen uns über Datenintegration, Service-Betrieb und die Plattform selbst hinweg. Es kommen neue Kunden, neue Datenquellen und neue Ansätze. Keine zwei Wochen sehen gleich aus.

Der Stack Python, Docker, leichtgewichtige Web-Services für Near-Real-Time, gängige Auth-Mechanismen (OAuth, SSO). CI/CD und Cloud (AWS, Azure) von Vorteil. AI-Tools sind Teil unserer Arbeitsweise, kein Add-on.

Wie wir arbeiten Flache Hierarchien, klare Strukturen, remote und hybrid. Made in Germany, SOC 2- und DSGVO-konform. Keine Pilotitis: Wir liefern stabile Implementierungen, getestet wie Software. Arbeitssprache Englisch. Deutsch min. B2 hilft bei deutschsprachigen Kundendaten.

Warum diese Rolle

Tooling rund um LLM-Agenten und agentische Workflows bauen, ein offenes, schnelllebiges Feld.

Probleme lösen, die vor wenigen Jahren nicht möglich waren.

Echte Ownership: prägen, wie das Implementation-Team an Probleme herangeht.

Deine Arbeit treibt den Kundenerfolg direkt, mit messbaren Ergebnissen statt Proof-of-Concepts.

Über uns

Für wen das nicht ist
Engineers, die sich eng auf einen Teil des Stacks spezialisieren wollen. Wir bewegen uns über Datenintegration, Service-Betrieb und die Plattform selbst hinweg. Es kommen neue Kunden, neue Datenquellen und neue Ansätze. Keine zwei Wochen sehen gleich aus.

Der Stack
Python, Docker, leichtgewichtige Web-Services für Near-Real-Time, gängige Auth-Mechanismen (OAuth, SSO). CI/CD und Cloud (AWS, Azure) von Vorteil. AI-Tools sind Teil unserer Arbeitsweise, kein Add-on.

Wie wir arbeiten
Flache Hierarchien, klare Strukturen, remote und hybrid. Made in Germany, SOC 2- und DSGVO-konform. Keine Pilotitis: Wir liefern stabile Implementierungen, getestet wie Software. Arbeitssprache Englisch. Deutsch min. B2 hilft bei deutschsprachigen Kundendaten.