Vereinigte Staaten
Redwood Materials
Alma
Product Engineer - KI
Vereinigte Staaten
California, Vereinigte Staaten
TypeScriptPythonReactPostgreSQLAWS
Automatische Übersetzung. Prüfe das Original.
🧠 Gründerteam
Alma ist eine KI-native Anwaltskanzlei. Wir kombinieren KI mit einem außergewöhnlichen Rechtsteam, um schnelle, transparente und hochgradig persönliche Rechtsdienstleistungen zu einem Bruchteil der Kosten und der Geschwindigkeit von Althergebrachten Kanzleien zu liefern. Unser erster Markt ist das Einwanderungsrecht. Wir konzentrieren uns darauf, komplexe Einwanderungsprozesse für Unternehmen und Einzelpersonen zu vereinfachen und den 15 Mrd. $ Markt zu revolutionieren, der noch nie ein herausragendes Produkt gesehen hat.
Wir werden von führenden VCs wie Bling Capital, Forerunner, Village Global, NFX, Conviction, MVP Ventures, NEA und Silkroad Innovation Hub unterstützt.
Das Gründerteam verfügt über umfassende Erfahrung in der Rechtsbranche, im Consulting und im Aufbau von ML-Plattformen.
Shuo - CTO & Mitgründer: Shuo baute die ML-Plattform (Michelangelo) bei Uber über 5+ Jahre auf, danach leitete er das KI- & ML-Team bei SupportLogic (einem Series-B-Startup, das prädiktive und generative KI für den Kundensupport nutzt).
Aizada - CEO & Mitgründerin: Aizada ist Absolventin der Harvard Law School, Anwältin mit 7+ Jahren Erfahrung, unter anderem bei einer Top-Kanzlei wie Cooley, und ehemalige Beraterin bei McKinsey.
🔍 Wen wir suchen
Wir stellen einen Produkt-Ingenieur (KI) ein – einen Ingenieur, der an der Schnittstelle von KI-Systemen und benutzerorientierten Produkten arbeitet.
Sie werden Features End-to-End verantworten, vom Design agentischer Pipelines und RAG-Architekturen bis hin zum Aufbau der React-Oberfläche, mit der der Benutzer interagiert. Ihr Nordstern ist das Produkt: Sie messen Ihre Arbeit daran, ob sie das Leben der Kunden verbessert, nicht nur an Modell-Benchmarks isoliert. Sie arbeiten direkt mit dem Gründerteam und den ersten Kunden zusammen, um eine erstklassige KI-gestützte Einwanderungsplattform zu entwickeln und uns zu helfen, um 100x zu skalieren.
Sie müssen tief kundenbesessen sein. Bei Alma bedeutet „Kunde“ zwei Gruppen. Die erste sind unsere externen Kunden – Unternehmen und Einzelpersonen, die unter Hochrisikobedingungen Einwanderungsverfahren durchlaufen. Die zweite ist unser internes Rechtsteam – Anwälte und Paralegals, die unsere Plattform täglich nutzen. Wenn ein KI-generiertes Dokument eine Zitation halluziniert, ist das kein ML-Problem – es ist ein Kundenproblem. Wenn ein Agenten-Workflow einen Paralegal zwei Stunden am Tag spart, ist das ein Feature, das gestern versendet werden sollte. Die besten Ingenieure, die wir einstellen, werden mit dem Rechtsteam zusammensitzen, beobachten, wie sie mit unseren KI-Tools interagieren, und sich darauf konzentrieren, die Lücke zwischen dem, was das Modell produziert, und dem, was der Anwalt tatsächlich benötigt, zu schließen.
Bei Alma baut der Ingenieur, der den Agenten entwirft, auch die Benutzeroberfläche, die ihn exponiert. Sie sollten die Art von Ingenieur sein, die morgens eine mehrstufige agentische Pipeline entwerfen, nach dem Mittagessen einen Prompt-Regression beheben und die frontend-Oberfläche erstellen kann, die es einem Benutzer ermöglicht, die Ausgabe vor dem Abendessen zu überprüfen. Mit modernen KI-Tools ist die traditionelle Ausrede „frontend ist nicht meine Stärke“ nicht mehr haltbar.
Sie müssen auch mit KI bauen, nicht nur KI bauen. Sie sollten bereits moderne Coding-Umgebungen (Claude Code, Codex, Cursor usw.) nutzen, MCP-Server verdrahten, um Ihren eigenen Workflow zu erweitern, und Agenten als Kernbestandteil Ihrer Arbeit betrachten. Wenn Ihr Instinkt ist: „Ich richte einen Agenten ein, um das zu erstellen, dann überprüfe und härte ich es ab“, lesen Sie weiter.
Sie sehen Probleme als zu erledigende Arbeit, nicht als Dinge, über die man sich beschweren kann. Wir bewegen uns schnell – unsere Codebasis hat Ecken und Kanten, unsere Prozesse werden noch erfunden und nicht jede Ecke ist schon schön. Wir suchen Ingenieure, deren Instinkt, wenn sie auf ein unordentliches Modul oder eine fehlerhafte Evaluierung stoßen, lautet: „Ich werde es reparieren“ – nicht „Wer hat das geschrieben?“. Wenn Sie die Art von Ingenieur sind, der die Codebasis um jedes von Ihnen ausgelieferte Feature leise verbessert, werden Sie hier erfolgreich sein.
✅ Verantwortlichkeiten
- Eng mit dem Gründerteam und den ersten Kunden zusammenarbeiten, um ein erstklassiges KI-gestütztes Produkt zu entwickeln.
- KI-gestützte Features End-to-End verantworten – Design der agentischen Pipelines und LLM-Integrationen, Aufbau der backend-Services, die sie orchestrieren, Erstellung der frontend-Oberfläche, die sie exponiert, und Auslieferung in die Produktion.
- Design, Aufbau und Iteration von RAG-Pipelines, agentischen Workflows, Prompt-Ketten und Evaluierungs-Frameworks, die unser Kernprodukt antreiben.
- Entwicklung und Wartung robuster Evaluierungs- und Beobachtbarkeitssysteme – Sie definieren, wie wir messen, ob unsere KI-Ausgaben tatsächlich gut sind, und bauen die Werkzeuge, um Regressionen zu erkennen, bevor Kunden es tun.
- Zusammenarbeit mit unserem Designer und Produktteam, um Benutzerbedürfnisse in ausgelieferte KI-gestützte Erlebnisse zu übersetzen – nicht nur APIs oder Modellausgaben, die „jemand anderes später integriert“.
- Als Multiplikator mit KI-Werkzeugen agieren – Coding-Agenten nutzen, um 5–10x schneller als traditionelle Ingenieure zu arbeiten, ohne die Qualität zu beeinträchtigen, und kontinuierlich weiterentwickeln, wie unser Team Software erstellt, überprüft und testet.
- Beteiligung am gesamten Anwendungslebenszyklus mit einem hohen Anspruch an Coding, Debugging, Testing und Deployment.
🛠 Rollenanforderungen
- 2+ Jahre Erfahrung im Aufbau von Produktions-KI/LLM-gestützten Features – keine Forschungsprototypen, sondern Systeme, auf die sich echte Benutzer verlassen. Sie haben sich mit Halluzinationsminderung, Latenzbeschränkungen, Kostenoptimierung und der unordentlichen Realität des Versendens von KI in die Produktion auseinandergesetzt.
- Starke Grundlagen in RAG-Architekturen, Prompt Engineering, agentischen Frameworks und LLM-Orchestrierung (z. B. mehrstufige Ketten, Tool-Nutzung, Extraktion strukturierter Ausgaben).
- Erfahrung im Design von Evaluierungs- und Qualitätssystemen für KI-Ausgaben – Sie haben Evals, Human-in-the-Loop-Review-Flows oder Regressionserkennungs-Pipelines erstellt und haben Meinungen darüber, was für Produktions-KI „gut genug“ ist.
- Versiert in Python, FastAPI, PostgreSQL, Containerisierung und Skalierung von Microservices.
- Komfortabel mit (oder begeistert davon, sich einzuarbeiten in) TypeScript, React und modernen frontend-Tools. Sie müssen kein CSS-Zauberer vom ersten Tag an sein, aber Sie müssen die Art von Ingenieur sein, der React tiefgehend lernt, anstatt es an jemand anderen abzugeben.
- Tägliche, praktische Nutzung moderner Coding-Umgebungen (Claude Code, Codex, Cursor oder Äquivalente) – nicht als Autovervollständigung, sondern als primäre Methode zum Ausliefern von Produktionscode.
- Komfortabel beim Erstellen und Konsumieren von MCP-Servern zur Integration interner Tools, Daten und Workflows in Ihren Entwicklungszyklus.
- Starke Meinung zu KI-gestützter Code-Überprüfung, automatisiertem Testen und wie die Qualität bei der Auslieferung mit Agentengeschwindigkeit hoch gehalten wird.
- Spaß an der Arbeit in einem schnelllebigen Umfeld und Bereitschaft, mehrere Hüte zu tragen – auch solche außerhalb Ihrer bisherigen Komfortzone.
- Fähigkeit, die richtigen Ressourcen für die Lösung offener Probleme zu suchen und zu finden.
- Ansässig in der San Francisco Bay Area oder bereit, umzuziehen.
- BS/MS in Informatik, Ingenieurwesen oder einem verwandten technischen Bereich.
⭐️ Nice-to-haves
- Erfahrung in einem kleinen Startup-Umfeld (Seed oder Series A).
- Tiefes Verständnis von Transformer-Architekturen, Aufmerksamkeitsmechanismen und GPU-Inferenz – Sie können nachvollziehen, warum sich ein Modell so verhält, wie es sich verhält, nicht nur, wie man es durch Prompts steuert.
- Erfahrung mit Fine-Tuning, RLHF oder Distillations-Workflows.
- Erfahrung mit Vektordatenbanken, Embedding-Modellen und Retrieval-Optimierung (Hybrid-Suche, Re-Ranking, Chunking-Strategien).
- Vertrautheit mit KI-Beobachtungs- und Tracing-Tools (LangSmith, Braintrust oder Ähnliches).
- Erfahrung mit AWS (Bedrock, SageMaker oder ähnliche verwaltete KI-Infrastruktur), Supabase, LaunchDarkly & Betterstack.
- Eigene MCP-Server, benutzerdefinierte Agenten oder interne KI-Entwicklungstools erstellt.
- Veröffentlicht, gebloggt oder Meinungen zu modernen KI-gestützten Entwicklungsworkflows geteilt.
- Echte full-stack-Erfahrung – komfortabel in backend, frontend und Infrastruktur.
Benefits & Perks
- Hyper-wettbewerbsfähiges Grundgehalt, basierend auf Erfahrung
- 100% Gesundheitsabdeckung + Vision + Dental
- 20 Tage PTO + 10 Bundesfeiertage
- $250 pro Monat für Wellness-Zuschuss
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen