Job Opportunities API

„We drive digital transformation end-to-end – from strategy to execution. Creating measurable progress and real impact for our clients.“ Stillstand? Nicht mit uns. Wir glauben:  Alles ist BETA – und genau darin liegt die Chance für Fortschritt. Während andere noch über AI-Strategie diskutieren, bauen wir unsere Delivery AI-native um – mit Specs, Verification Gates und Agenten im gesamten Entwicklungsprozess. Und jetzt kommst du: Wir suchen die Person, die diese Transformation in unseren Engineering-Teams beschleunigt. Nicht als Konzeptlieferant, sondern hands-on, als jemand, der es selbst vorlebt und andere mitzieht. Deine Mission:   Du machst unsere Entwicklungsteams schneller und besser, indem du agentische Workflows aufbaust, Standards setzt und Wissen multiplizierst. Als fester Bestandteil des Entwicklerteams bist du hands-on in Kundenprojekten dabei und übernimmst als Lead Developer die technische Leitung: für Qualität, Skalierbarkeit und erfolgreiche Delivery. Du berätst unsere Kund:innen zu AI, Softwarearchitektur und technischen Konzepten und konzipierst und implementierst effiziente AI-Workflows für Entwicklungs- und Projektteams. Du bist dabei mehr als Techniker:in. Du bist Change Agent: Frontrunner und Innovator, der in den Projekten vorangeht, die neue Arbeitsweise vorlebt und die Teams mitnimmt. Klarstellung vorab: Das ist keine AI/ML-Rolle. Du entwickelst keine Modelle. Du baust Software schneller, indem du AI-Agenten orchestrierst und die Umgebungen designst, in denen sie zuverlässig arbeiten. Claude-Expertise, Workflows & Agent Teams Du bist unser:e Claude-Expert:in – die tiefste Kenntnis des Anthropic-Ökosystems im Haus, von Claude Code (CLAUDE.md, Subagents, Hooks, Skills, Plan Mode, Headless/SDK in CI/CD) bis zum Agent SDK Du baust agentische Workflows und Agent Teams auf: Multi-Agent-Setups, die parallel recherchieren, entwickeln und reviewen – und im Projektalltag zuverlässig funktionieren Du baust und betreibst MCP-Server, die unsere Tools und Datenquellen für Agenten nutzbar machen Du etablierst Spec-driven Development: standardisierte Inputs, klare Verification Gates, auditierbarer Agent-Output Qualität & Verifikation Du entwickelst Eval-Harnesses und Testverfahren, die AI-generierten Code messbar und vertrauenswürdig machen Du behandelst Context Engineering als Disziplin: das kleinste Set an High-Signal-Tokens, nicht der längste Prompt Du reviewst AI-Output kritisch – „trust then verify“ ist deine Grundhaltung, kein Slogan Change & Enablement Du arbeitest als Frontrunner direkt in den Projektteams mit: Du zeigst am echten Kundenprojekt, was agentisch möglich ist und machst die Teams dann selbst dazu fähig Du treibst den Wandel als Change Agent: Du begeisterst statt zu missionieren, nimmst Skeptiker:innen mit und räumst Hürden in Prozessen und Köpfen aus dem Weg Du baust wiederverwendbare Assets: Plugins, Skill-Bibliotheken, Prompt-Patterns, Runbooks Du beobachtest das Ökosystem (Anthropic, MCP-Standard, Tooling) als Innovator, testest Neues früh und übersetzt es in nutzbare Praxis für TOWA Agentic-Engineering-Erfahrung Du hast produktiv mit LLMs gebaut, nicht nur Tutorials geschaut. Der Lackmustest: Du kannst eine Evaluation beschreiben, die du selbst designt hast Tiefe Praxis mit Claude Code oder vergleichbaren agentischen Coding-Tools: Du weißt, wann Agenten brillieren, wann sie scheitern und woran man den Unterschied erkennt Erfahrung im Bau von MCP-Servern, Custom Tools oder Agent-Integrationen Software-Engineering-Fundament Solider Engineering-Background (z. B. TypeScript, Python) – du bist Entwickler:in, die agentisch arbeitet, nicht Prompt-Autor:in ohne Codebasis Verständnis für CI/CD, Testing und Delivery-Prozesse, in die sich Agenten einfügen müssen LLM-Grundlagen sitzen: Tokens, Context Windows, Modell-Tiers, Kosten-/Latenz-Trade-offs Haltung & Kommunikation Learning Velocity: D