Keine Standortpflicht. Wir suchen Menschen, die unabhängig vom Ort klare Proof-Arbeit leisten können.
STELLENBESCHREIBUNG
Foundation Model Systems Engineer
Du baust deterministische Runtime, Proof-Artefakte und Wissenspfade, die nicht nur Output erzeugen, sondern prüfbare Läufe.
Worum es in dieser Rolle wirklich geht
NEXO braucht ML Engineering, das nicht bei Modellaufrufen endet. Wir bauen eine neue Modellgeneration, in der Wissen gebunden, Zustände versioniert, Läufe replaybar und Beiträge messbar werden.
Rahmen der Rolle
Die Eckdaten kommen aus der Rollenstruktur. Inhalt, Tiefe und Proof-Fragen bleiben pro Stelle im CMS gepflegt.
TeamEngineering
ArbeitsortRemote
UmfangVollzeit
LevelSenior
Remote, Verantwortung und klare Proof-Ziele
01
Remote als Standard
Alle Rollen sind remote ausgelegt. Standort ist kein Auswahlkriterium, Arbeitsqualität schon.
02
Tiefe statt Theater
Wir suchen Menschen, die Proof, Research, Engineering und Produkt ernsthaft zusammenbringen wollen.
03
Direkter Einfluss
Du arbeitest an einer neuen Modellgeneration, nicht an einer weiteren Oberfläche um bestehende KI.
04
Belegbare Arbeit
Claims, Entscheidungen und Fortschritt sollen bei NEXO nachvollziehbar bleiben: in Artefakten, Reviews und Läufen.
So läuft die Bewerbung
01
Challenge wählen
Du wählst ein Problem, das zu deiner Denkweise passt. Rolle und Titel sind danach zweitrangig.
02
Proof einreichen
Du zeigst Lösung, Pfad, Annahmen und Grenzen. CV ist hilfreich, aber nicht das Hauptsignal.
03
Human Review
Wir reviewen die Arbeit fachlich. Automatische Checks können helfen, entscheiden aber nicht allein.
04
NDA Level oder Paid Sprint
Wenn das Signal stark ist, folgt geschützter Kontext oder ein bezahlter Trial Sprint mit klarer Aufgabe.
Was du aufbaust
01
Entwicklung von Runtime-Komponenten für deterministische Läufe, Trust Signale und Evidence Paths.
02
Aufbau von Evaluations- und Replay-Flächen, die Systemverhalten reproduzierbar prüfen.
03
Übersetzung von Research-Ideen in robuste Produkt- und Infrastrukturmodule.
04
Zusammenarbeit mit Security, Research und Produkt an klaren Failure Modes und Review-Kriterien.
05
Dokumentation von Entscheidungen als Artefakte statt als lose Slack-Historie.
Was du mitbringst
01
Sehr starke Praxis in ML Engineering, verteilten Systemen, TypeScript/Python/Rust oder vergleichbaren Stacks.
02
Du denkst in Zuständen, Datenflüssen, Hashes, Tests, Metriken und operativer Nachvollziehbarkeit.
03
Du kannst Forschung ernst nehmen, ohne daraus unwartbare Experimente zu bauen.
04
Du hast kein Problem damit, Claims zu reduzieren, bis sie technisch beweisbar sind.
Fragen, die uns in deiner Bewerbung interessieren
01
Wie würdest du einen KI-Lauf so speichern, dass er später auditierbar und reproduzierbar bleibt?
02
Welche Metriken würdest du nutzen, um Reuse, Novelty und Trust nicht nur rhetorisch zu beschreiben?
03
Wo ziehst du die Grenze zwischen Research-Prototyp und produktionsfähigem System?
Bewerbung vorbereiten
Wir brauchen keinen klassischen Motivationsbrief. Hilfreicher ist Material, an dem man deine Arbeitsweise und technische Urteilskraft erkennt.
Bewerbungsseite öffnen