> Markdown version of [/jobs/ext/4089168-senior-ai-application-engineer](https://www.wearedevelopers.com/jobs/ext/4089168-senior-ai-application-engineer). 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).

---

# (Senior) AI Application Engineer

- **Company:** Mawave Marketing GmbH
- **Location:** Germany (Remote available)
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Computer Programming, Data Security, Web Development, Design of User Interfaces, Data Logging, Retrieval-Augmented Generation, Large Language Models, Backend, Codebase, Front End Software Development, Api Design, Code Restructuring
- **Published:** October 28, 2026
- **Apply:** https://www.indeed.com/viewjob?jk=a81b416b3db8aecc

## About the Role

* Erfahrung in der Entwicklung und dem Betrieb von Software-/Automation-Lösungen mit hoher Eigenverantwortung (idealerweise AI/LLM-nahe Produkte/Tools) - inkl. codebasierter Frontend-Entwicklung und Architekturarbeit
 * Starkes Verständnis für AI Application Engineering: Prompting, Tool-Calling/Agents, RAG-Grundlagen, Evaluierung & Guardrails (Halluzinationen, Prompt-Injection, Data Leakage)
 * Gutes Verständnis von API-Design und Integrationen (Auth, Permissions, Rate Limits, Secrets, Error Handling)
 * Erfahrung mit Observability/Operations (Logging, Metrics/Alerts) sowie sauberem Release- und Qualitätsmanagement
 * "Clean Vibe Coding"-Mindset: klare Architektur, Modularität, Interfaces, Naming/Standards, Refactoring als Standard - keine Patchwork-Codebase
 * Hohe Produkt-/Business-Orientierung: du denkst in Nutzen, Adoption, Time-to-Value und priorisierst nach Impact
 * Selbstständige, strukturierte Arbeitsweise in einem Umfeld mit vielen parallelen Requests (One-person ownership)
 * Sehr gute Sprachkenntnisse in Wort und Schrift in Deutsch (mindestens C1) und Englisch

## Description

Als (Senior) AI Application Engineer (d/w/m) bist du die/der end-to-end Builder:in hinter unseren AI-gestützten internen Produkten, Tools und Workflows. Du identifizierst die wichtigsten Hebel im Alltag der operativen Teams, übersetzt sie in pragmatische Lösungen und lieferst diese schnell in den Betrieb - mit klarer Ownership von Idee über MVP bis Iteration.
Dabei geht es nicht um klassisches Full-Stack Development als Selbstzweck (insb. nicht um Backend-Basis-Implementierung), sondern um AI Application Engineering plus codebasierte Tool-Architektur und Frontend-Entwicklung: LLM-/Agent-Design, Tool-Integrationen, Datenzugriff, Guardrails, Evaluierung, UI/UX in Code und zuverlässigen Betrieb.

Trotz Vibe-Coding bleibt die Codebase clean und skalierbar: Auch wenn die initiale Codebasis häufig durch AI-Tools beschleunigt erzeugt wird (statt von Grund auf "hand-coded"), werden Architektur, Struktur und Qualität aktiv gesteuert - bewusste Entscheidungen, klare Interfaces, konsequentes Refactoring und ein hoher Qualitätsanspruch verhindern Patchwork.
End-to-end Entwicklung und Ownership von AI-Tools/AI-Features inkl. codebasierter Frontend-Umsetzung und Tool-Architektur (Problemverständnis Discovery Build Launch

 * Iterate)
 * Design und Implementierung von LLM-basierten Workflows (z.B. Tool-Calling/Agents), inkl. Error-Handling, Fallbacks und Kosten-/Latenz-Optimierung
 * Qualität & Betrieb: Testing-Strategie, Bug-Triage, Monitoring/Observability, Releases, Incident Handling und nachhaltige Wartbarkeit
 * Integration von internen und externen Systemen via APIs (Auth, Permissions, Rate Limits, Secrets) sowie pragmatisches Enablement der Nutzer (Backend-Services können von Full-Stack-Dev mitgebaut/übernommen werden; das Frontend und die Tool-Orchestrierung liegen in dieser Rolle)
 * Aufbau von Feedback-Loops mit Stakeholdern/End-Usern: Anforderungen strukturieren, Hypothesen formulieren, Erfolgskriterien definieren, Priorisieren
 * RAG/Knowledge-Setups dort, wo sinnvoll (Daten-/Dokumentenaufbereitung, Retrieval-Qualität, Evaluierung)
 * Dokumentation von Entscheidungen und Systemen (Decision Logs/ADRs, kurze How-tos), um Wissen zu sichern und Key-Person-Risk zu reduzieren
 * Enge Zusammenarbeit mit Business Ops / Product Stakeholdern (Alignment, Erwartungsmanagement, Adoption sicherstellen)