Deine Aufgabe Diese Rolle konzentriert sich auf die Implementierung und Wartung kleiner KI-gestützter Engineering-Utilities und die Unterstützung von Senior Engineers in KI-Entwicklungsworkflows. Du arbeitest mit Tools für Repository-Indexierung, Code-Zusammenfassung, Dependency-Extraktion, Log-Parsing und Dokumentationsgenerierung.

Hauptaufgaben

Implementierung und Wartung kleiner KI-gestützter Engineering-Utilities für Repository-Indexierung, Code-Zusammenfassung, Dependency-Extraktion, Log-Parsing und Dokumentationsgenerierung

Unterstützung von Senior Engineers bei der Konfiguration von KI-Entwicklungsumgebungen, beim Testen von Prompts, beim Vergleichen von Modell-Outputs und beim Dokumentieren wiederholbarer SDLC-Nutzungsmuster

Erstellung von Skripten und leichtgewichtigen Services, die Git-Repositories, CI/CD-Logs, Issue-Tracker, Dokumentationsspeicher und interne Modell-Endpunkte verbinden

Unterstützung bei der Vorbereitung von Übergabematerialien einschließlich Codebase-Zusammenfassungen, Service-Notizen, Build-Beobachtungen, Glossareinträgen und strukturierten Evidenz-Templates

Testen von Open-Source-, Open-Weight- und chinesischen Coding-Modellen in genehmigten Umgebungen und Dokumentation von Stärken, Einschränkungen, Risiken und praktischen Nutzungshinweisen

Teilnahme an Reviews mit Senior Engineers zur Validierung von KI-generierten Outputs, Korrektur von Ungenauigkeiten und Verbesserung der Workflow-Qualität im Laufe der Zeit

Tools und Plattformen Du arbeitest mit KI-Entwicklungsumgebungen wie

Cursor, Windsurf, Continue, Cline, Aider, Claude Code oder VS Code-basierten Extensions , die für Enterprise-Repositories konfiguriert sind. Die Rolle umfasst die Nutzung von Modellfamilien für Coding-Support wie

DeepSeek Coder, Qwen/Qwen-Coder, CodeGeeX, StarCoder, Code Llama, Mistral

oder andere intern genehmigte Modelle.



Du nutzt Workflow- und Integrations-Tooling wie

Python, FastAPI, Notebooks, LangChain, LlamaIndex, GitLab/GitHub APIs, Jenkins APIs, Markdown

und Dokumentationsautomatisierung sowie unterstützende Engineering-Tools wie

Git, Docker, Kubernetes-Grundlagen, Helm-Grundlagen, Linux-Shells, Package-Manager, Log-Processing

und strukturierte Prompt-Repositories.

Dein Profil Wir suchen einen

AI-Assisted Engineering Support Engineer

mit ausgeprägten Python-Entwicklungsfähigkeiten, praktischer Erfahrung mit KI-Coding-Assistenten und solidem Verständnis von Software-Development-Lifecycle-Tools und -Praktiken in einer Unternehmensumgebung.

Muss-Kriterien

2-4 Jahre Erfahrung in Software Engineering, DevOps-Automatisierung, Data Engineering, KI-Tooling oder plattformnahen Entwicklungsrollen

Ausgeprägte Python-Kenntnisse mit der Fähigkeit, mit APIs, Scripting, Developer-Tooling, Dokumentation, Tests und leichtgewichtigen Automatisierungsservices zu arbeiten

Grundlegendes Verständnis von Git-Versionskontrolle

Grundlegendes Verständnis von CI/CD-Pipelines

Grundlegendes Verständnis von Linux-Betriebssystemen

Grundlegendes Verständnis von Containern (Docker)

Grundlegendes Verständnis von Cloud-Plattformen

Grundlegendes Verständnis von Software-Architekturdokumentation

Bereitschaft, OpenStack-Kenntnisse zu vertiefen

Sorgfältige Arbeitsweise mit guten Dokumentationsgewohnheiten

Neugier und Lernbereitschaft

Fähigkeit, unklare Befunde zu eskalieren, anstatt KI-generierten Antworten übermäßig zu vertrauen

Komfortables Arbeiten in einer vertraulichen Unternehmensumgebung

Lerngeschwindigkeit und Qualitätsdisziplin

Strukturierte Kommunikationsfähigkeiten

Von Vorteil

Praktische Vertrautheit mit KI-Coding-Assistenten (wie Cursor, Windsurf, Continue, Cline, Aider, Claude Code oder VS-Code-basierten Extensions)

Erfahrung mit Prompt Engineering

Erfahrung mit LLM-APIs

#J-18808-Ljbffr

📌 AI Engineering Workflow Entwickler (m/w/d) (Madrid)
🏢 Deutsche Telekom
📍 Madrid