> Markdown version of [/jobs/ext/3906319-python-backend-engineer-senior-python-entwickler-backend-entwickler-ki](https://www.wearedevelopers.com/jobs/ext/3906319-python-backend-engineer-senior-python-entwickler-backend-entwickler-ki). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Python Backend Engineer / Senior Python-Entwickler / Backend-Entwickler KI

- **Company:** Brunel GmbH
- **Location:** Erlangen, Germany
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** LangGraph Framework, Artificial Intelligence, Amazon Web Services, Amazon S3, Microsoft Azure, Databases, Continuous Integration, Software Debugging, Python (Programming Language), PostgreSQL, Machine Learning, OAuth, Object-Oriented Software Development, OpenAI, Swagger, SAP (Applications), SQL Databases, SQLAlchemy, TypeScript, Openapi, Data Logging, Data Processing, SAP Integration Solutions, LangChain, ReactJS, Retrieval-Augmented Generation, Flask (Web Framework), Large Language Models, Snowflake, Llamaindex, Backend, Git, Fastapi, Gitlab-ci, Integration Tests, Information Technology, AWS Fargate, Front End Software Development, Cloudwatch, Restful APIs, Terraform, Docker
- **Published:** October 25, 2026
- **Apply:** https://www.arbeitsagentur.de/jobsuche/jobdetail/12362-CR305958_5293CS-S

## About the Role

Abgeschlossene Ausbildung oder abgeschlossenes Studium im technischen Bereich, beispielsweise Informatik, oder vergleichbare Berufserfahrung

 - Mindestens 5 Jahre Erfahrung in der Python-Backend-Entwicklung, inklusive Debugging und Wartung bestehender Codebasen
 - Sehr gute Kenntnisse in FastAPI oder Flask, Async Python, OOP, REST-APIs und OpenAPI/Swagger sowie OAuth2 und JWT
 - Erfahrung mit PostgreSQL, SQLAlchemy, SQL und Datenmodellierung sowie mit automatisierten Unit- und Integrationstests
 - Erfahrung mit Git, Docker und CI/CD (idealerweise GitLab CI/CD) sowie mit Monitoring und Observability produktiver Anwendungen
 - AWS-Kenntnisse (ECS/Fargate, CloudWatch, S3) wünschenswert, Terraform bzw. Infrastructure as Code von Vorteil
 - Gutes Verständnis von LLM-Anwendungen, RAG, Embeddings, Vektordatenbanken und KI-Agenten; Erfahrung mit Azure OpenAI, LangChain, LangGraph oder LlamaIndex von Vorteil
 - Machine-Learning- oder Modelltraining-Expertise ist nicht erforderlich
 - Grundkenntnisse in React und TypeScript sowie in SAP-Integrationen, SAP Gateway, EDI oder Snowflake von Vorteil
 - Fließende Englischkenntnisse in Wort und Schrift
 - Analytische, strukturierte und lösungsorientierte Arbeitsweise sowie Kommunikationsstärke auch in kritischen Situationen

## Description

Technische Verantwortung für den zuverlässigen Betrieb KI-gestützter Anwendungen (AI/LLM) in der Produktion

 - Überwachung der Anwendungen sowie Analyse von Incidents anhand von Logs, Metriken, Alerts und Traces
 - Bewertung der Auswirkungen von Produktionsfehlern auf Technik und Nutzer sowie Steuerung bis zur Lösung
 - Ursachenanalyse (Root Cause Analysis) über Python-Backends, React-Frontends, REST-APIs, Datenbanken, Schnittstellen und Konfigurationen hinweg
 - Lesen, Reviewen, Debuggen, Warten und Verbessern von bestehendem Python-Code
 - Umsetzung und Deployment von Bugfixes, Hotfixes und technischen Verbesserungen über etablierte Test-, Peer-Review- und CI/CD-Prozesse
 - Fehlersuche entlang kompletter Anwendungsabläufe, inklusive Frontend-Backend-Kommunikation, Datenverarbeitung, KI-Integrationen und externer Abhängigkeiten
 - Umsetzung kleinerer Bugfixes in React und TypeScript
 - Abgrenzung von Anwendungsfehlern gegenüber Plattform- oder Infrastrukturproblemen sowie Zusammenarbeit mit den zuständigen Engineering-Teams
 - Verbesserung von Logging, Monitoring, Alerting, Fehlerbehandlung, Resilienz und Performance
 - Pflege von Abhängigkeiten sowie Unterstützung bei Konfigurations- und Security-Updates
 - Erstellung automatisierter Unit- und Integrationstests sowie nachhaltige Behebung wiederkehrender Produktionsprobleme
 - Pflege technischer Dokumentation, Runbooks und Troubleshooting-Anleitungen
 - Unterstützung bei Wissenstransfer, Go-live, Hypercare und Übergabe in den Regelbetrieb
 - Klare Kommunikation von Status, Risiken, Workarounds und Lösungsfortschritt an den AI Service Manager und weitere Stakeholder
 - Automatisierung wiederkehrender Betriebs- und Diagnoseaufgaben