Mittwoch, 10:00 Uhr. Du baust ein Eval-Harness, das misst, wie zuverlässig unser Media-Buying-Agent Entscheidungen trifft. Danach tunest du die Masterprompts, baust ein Churn-Prediction-Signal auf den Supabase-Daten und erweiterst das RAG-System, das auf den Benchmarks aus 550 Brands sitzt. Bei uns geht angewandte KI direkt in Produktion --- nicht ins Paper.

Wir bauen die ECOZA Intelligence und suchen jemanden, der LLMs und Agenten von „funktioniert im Demo" zu „funktioniert zuverlässig in Produktion" bringt.

Woran du arbeitest

LLM-Systeme & Agenten: Design, Orchestrierung und Guardrails für produktive Agenten (Media-Buying, Content, Sales)
Prompt- & Context-Engineering: Masterprompts, Kontext-Management, Tool-Use/MCP
RAG & Retrieval: Vektor-DBs / Retrieval über ECOZA-Benchmarks und Brand-Daten
Evals & Qualität: Eval-Pipelines, damit KI-Outputs messbar zuverlässig sind
Data & Signale: Churn-/Scoring-Signale auf Supabase-Daten, Feature-Pipelines
Integration: die Modelle sauber ins Produkt und in die Workflows einbinden

Über ECOZA

ECOZA ist eine der am schnellsten wachsenden eCommerce-Growth-Consulting-Firmen Deutschlands. Wir bauen für D2C-Brands Inhouse-Teams, Systeme und Operating-Strukturen auf --- gestützt auf Benchmarks aus über 550 aktiven eCommerce-Marken. Aktuell bauen wir unser wichtigstes Vorhaben: die ECOZA Intelligence, ein integriertes D2C eCommerce Operating System. Du kommst ins Greenfield --- nicht in eine gewachsene Legacy-Landschaft.

Standort & Arbeitsmodell

Standort: München, Moosacher Straße 70--74, 80809
Arbeitsmodell: Vor Ort / Hybrid (2 feste Bürotage)

Was du mitbringst

Starke Erfahrung mit LLMs in Produktion (nicht nur Chat-Prototypen): Prompt-Engineering, Agenten, Tool-Use
Python solide; Erfahrung mit RAG, Vektor-Datenbanken, Eval-Frameworks
Verständnis für Datenpipelines und Datenqualität (Supabase/SQL)
Pragmatismus: du baust das, was in Produktion Wirkung hat --- nicht das theoretisch Eleganteste
Ownership & High Agency
Nice-to-have: klassisches ML-Verständnis, Node/TypeScript, LangSmith/Eval-Tooling, eCommerce-Daten
Kein Muss: Model-Training from scratch --- der Fokus ist angewandte LLM-Systematik

Benefits

Direkter Business-Impact statt „Behörden-IT" --- du baust, entscheidest, shippst
Überdurchschnittliches Gehalt
MacBook mit 4K-Screen Home-Office-Budget
Hybrid Work (2 feste Bürotage)
Weiterbildungsbudget
Wellpass / Jobrad / Workations / Team-Events
Modernes, klimatisiertes Büro in München mit U-Bahn-Anschluss und Parkplätzen

Perspektive

Kurzfristig: Aufbau der technischen Infrastruktur im Greenfield-Kontext
Mittelfristig: Rolle als technisches Backbone von ECOZA
Langfristig: Entwicklung zum Head of AI / Technical Operations mit eigenem Team

Kontakt

Amelie, HR-Abteilung --- amelie@ecoza.de

Sprachen

Deutsch fließend, Englisch sicher.

Machine Learning / Applied AI Engineer (m/w/d)

Eckdaten

Arbeitsmodell