ML/AI Engineer (m/f/x)

Die Gelegenheit

QuoIntelligence verwandelt Millionen von Rohsignalen in fertige Cyber Threat Intelligence (CTI), auf die Sicherheitsteams in ganz Europa täglich reagieren. Die ML-Schicht macht dies möglich: heute Klassifizierung und Anreicherung, morgen KI-gestützte Analyse durch Agent Karla.

Das ML-Team ist klein (heute 2 Personen) und die Infrastruktur schlank. Sie werden End-to-End-Produktionssysteme verantworten, von der Verbesserung bestehender NLP-Pipelines über das Fine-Tuning von LLMs und den Aufbau von Bewertungs-Frameworks bis hin zur Orchestrierung von KI-Agenten im Cyber-Bereich. Was Sie ausliefern, sehen die Kunden.

Ihre Aufgaben

• Verbesserung des Produktions-ML-Stacks. Die Anreicherungs- und Klassifizierungs-Pipelines funktionieren und bedienen echte Kunden. Sie wurden für Geschwindigkeit, nicht für Langlebigkeit entwickelt, daher gibt es Raum für Verbesserungen. Sie werden in Ihren ersten 90 Tagen mindestens eine messbare Verbesserung liefern.
• End-to-End-Verantwortung für die Modellbewertung. Qualitätsmetriken, Ground-Truth-Labeling, Offline-/Online-Bewertung: Sie entwerfen das Framework, mit dem das Team misst, ob Modelle in der Produktion funktionieren.
• Liefern Sie etwas, das der Stack heute noch nicht kann. Die bestehenden Pipelines verarbeiten Klassifizierung und Anreicherung. Was als Nächstes kommt, ist offen. Sie werden Ihr erstes Projekt in Ihrem ersten Quartal vorschlagen, es aufbauen und messen, ob es funktioniert.
• Erweiterung der Agentenfähigkeiten. Helfen Sie, die Intelligenz von Agent Karla zu erweitern, indem Sie neue Orchestrierungsmuster und Retrieval-Strategien mit Open-Source-Frameworks wie LangGraph erstellen.
• Direkte Zusammenarbeit mit dem IntelOps-Team. Ihre Modelle bedienen das Intelligence Operations Team; Sie werden die Leistung anhand realer Bedrohungsszenarien validieren, nicht anhand von Benchmarks.

AI-First im Engineering

AI-Fließfähigkeit ist bei QI ein unternehmensweiter Standard, keine Abteilungsinitiative. Für das Engineering definieren drei Prinzipien den Standard:

• Sie bauen täglich mit KI-gestützten Tools (Cursor, Claude, was auch immer Sie schneller macht). Aber Sie wissen auch, wann KI-generierter Code Risiken birgt. Sie können beurteilen, ob ein KI-Vorschlag in einer sicherheitskritischen Codebasis zuverlässig ist, und Sie verstehen den Unterschied zwischen schnellem und rücksichtslosem Ausliefern. In einem Cybersicherheitsunternehmen ist dieses Urteilsvermögen wichtiger als Geschwindigkeit.
• Sie bewerten neue KI-Tools kritisch, übernehmen, was funktioniert, und verwerfen, was nicht funktioniert. Sie haben Meinungen darüber, welche Tools gut sind und warum, basierend auf Ihrer eigenen Nutzung, nicht auf dem, was Sie auf LinkedIn gelesen haben.
• Jedes Modell und jede Pipeline hat eine klare Erfolgsdefinition, bevor es ausgeliefert wird. KI beschleunigt die Iterationsschleife. Ohne klare Erfolgskriterien ist diese Geschwindigkeit verschwendet.

Was Sie mitbringen

Muss-Anforderungen:

• Produktions-ML-Deployment. Sie haben Modelle von Notebooks in die Produktion überführt und sie im Laufe der Zeit als Teil von Systemen, die echte Benutzer bedienen, gewartet.
• NLP- und LLM-Grundlagen. Textklassifizierung, NER, Zusammenfassung, Embeddings, Transformer-basierte Modelle. Sie verstehen die Grundlagen gut genug, um den richtigen Ansatz für ein bestimmtes Problem zu wählen, nicht nur den neuesten.
• Umgang mit unordentlichen Daten. Unstrukturierter Text mit verrauschten, inkonsistenten Signalen. Wenn Ihre ML-Erfahrung auf saubere Benchmark-Datensätze beschränkt ist, wird diese Rolle Sie frustrieren.
• Python: Es ist die Sprache des Teams.
• Open-Source-Mentalität. Sie haben mit Hugging Face, spaCy, OpenNMT oder ähnlichem gearbeitet. Wenn Ihre gesamte Karriere in proprietären Ökosystemen ohne Exposition gegenüber Open-Source-Äquivalenten stattgefunden hat, ist das ein Hindernis.
• KI-Fließfähigkeit. Aktive tägliche Nutzung von KI-gestützten Entwicklungswerkzeugen. Sie können etwas zeigen, das Sie mit KI gebaut oder abgeschlossen haben, nicht nur erzählen, dass Sie interessiert sind.

Nice-to-haves:

• Erfahrung mit Agenten-Frameworks (LangGraph, LangChain oder ähnliches) und Orchestrierungsmustern (ReAct, Tool-Calling, Multi-Agenten-Systeme)
• Fine-Tuning-Erfahrung mit Open-Source-Modellen (Qwen, LLaMA, Mistral)
• Erfahrung mit Inferenzservern und gängigen Backends (z. B. NVIDIA Triton, vLLM usw.)
• Vertrautheit mit Data-Orchestrierungstools (Kestra, Airflow, Prefect)
• Cybersicherheits- oder Threat-Intelligence-Domänenkenntnisse (wirklich nicht erforderlich; neugierige ML-Ingenieure lernen schnell)

Was wir bieten

• Ein kleines Team, in dem Ihre Arbeit Kunden erreicht. Keine Schichten zwischen Ihrem Modell und dem Intelligence-Produkt, auf das sich die Kunden verlassen.
• Eigenverantwortung, nicht nur Tickets. Ihr Teamleiter definiert die Prioritäten; Sie entscheiden, wie Sie diese lösen. Sie überprüfen den gesamten Service-Stack und das Modellportfolio und entscheiden dann, was Sie unabhängig ändern und ausführen.
• Kreativität erzwingende Einschränkungen. Wir glauben daran, die einfachste Lösung zu verwenden, die die Aufgabe erfüllt. Wir halten die Dinge schlank und wählen Werkzeuge sorgfältig aus. Die interessanten Probleme hier ergeben sich daraus: mehr aus destillierten Modellen herauszuholen und Pipelines zu entwerfen, die intelligent genug sind, um auf der verfügbaren Hardware ausgeliefert zu werden.
• Ethische rote Linien. QI hält das Label "Cybersecurity Made in Europe" und ist Partner der ENISA (der Cybersicherheitsagentur der EU). Wir sind transparent darüber, was unsere KI kann und was nicht, und unsere Compliance-Bilanz untermauert dies. In einem Markt voller KI-Hype ist diese Glaubwürdigkeit ein echter Vorteil.
• Wachstumskurve. Pre-Series A, schnell wachsender Umsatz, Series-A-Planung im Gange. Sie würden die ML-Richtung für ein Unternehmen mitgestalten, das noch etwa 40 Mitarbeiter hat.

Der Prozess

• Recruiter Screen
• AI-Fließfähigkeits-Screen
• Take-Home-Aufgabe: ein reales Bewertungsproblem aus der Arbeit des Teams. Sie können KI-Tools verwenden, aber Sie werden Ihre Argumentation und Entscheidungen in der nächsten Runde verteidigen.
• Hiring Manager Interview: Besprechung der Aufgabe, dann umfassendere technische und Verhaltensbewertung. Ein Teammitglied kann teilnehmen.
• CEO/CTO Interview
• Angebot und Hintergrundüberprüfung

Wir begrüßen Bewerbungen unabhängig von Geschlecht, Nationalität, ethnischer Herkunft, Religion, Behinderung, Alter oder sexueller Identität. Vielfalt ist der Schlüssel zur Produktion hochwertiger Intelligenz.