> Markdown version of [/jobs/ext/4688051-genai-engineer-mit-fullstack-hintergrund](https://www.wearedevelopers.com/jobs/ext/4688051-genai-engineer-mit-fullstack-hintergrund). 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). --- # GenAI Engineer mit Fullstack-Hintergrund - **Company:** attempto GmbH & Co. KG - **Location:** Karlsruhe, Germany - **Contract:** Permanent contract - **Skills:** LangGraph Framework, Java (Programming Language), Application Programming Interfaces (APIs), Artificial Intelligence, Amazon Web Services, Microsoft Azure, Cloud Computing, Databases, Information Engineering, Integrated Development Environments, Python (Programming Language), Machine Learning, SQL Azure, OpenAI, Swagger, Systems Architecture, TypeScript, Web Applications, Openapi, Pinecone, Haystack, LangChain, ReactJS, Retrieval-Augmented Generation, Large Language Models, Prompt Engineering, Google Vertex AI, Spring-boot, Deep Learning, Llamaindex, Generative AI, Backend, AngularJS, Kubernetes, Weaviate, PydanticAI Framework, Milvus, Machine Learning Operations, Front End Software Development, Streamlit Framework, Docker, ChromaDB, Microservices - **Published:** November 12, 2026 - **Apply:** https://jobs.meinestadt.de/karlsruhe/standard?id=260631413 ## About the Role Frameworks: Du bist sicher im Umgang mit einer oder mehreren LLM/Agenten-Orchestrierungs-Tools wie LangChain, LangGraph, PydanticAI, Google ADK, OpenAI Agent SDK, LlamaIndex, SpringAI oder Haystack. GenAI Stack: Praktische Erfahrung mit Prompt Engineering, Embeddings und dem Aufbau und Management von Vector Databases (z. B. Pinecone, Weaviate, Milvus oder Chroma). Sprachen: Python ist deine Basis für GenAI. Für die Integration in unsere Anwendungen bringst du außerdem solide Kenntnisse in Java/Spring Boot und im Angular-Umfeld (TypeScript) mit. Technisches Verständnis & Basis Cloud & Deployment: Erfahrung mit Cloud-KI-Services (Azure OpenAI, AWS Bedrock oder GCP Vertex AI) sowie Docker/Kubernetes. Architektur: Solides Verständnis von APIs, Microservices und Datenpipelines. KI-Fundament: Du verstehst konzeptionell, wie Deep Learning und Transformer funktionieren. Backend-Fundament: Du verfügst über Erfahrung mit Spring Boot in Zusammenspiel mit GenAI. Frontend-Erfahrung: Du hast eine gute Vorstellung davon, wie die neuen GenAI-Fähigkeiten deiner Anwendung im Frontend dargestellt werden können und kannst die Integration selbst umsetzen. Sprachen: Deutsch und Englisch fließend Arbeitsweise Pioniergeist: Du hast Lust, in einem Feld zu arbeiten, das sich wöchentlich neu erfindet. Analytik: Du arbeitest strukturiert und behältst auch bei komplexen Systemarchitekturen den Überblick. Kommunikation: Du kannst technische Konzepte souverän und adressatengerecht vermitteln. Nice to have Tiefergehende Erfahrung in MLOps oder Data Engineering. Projekterfahrung im regulierten Umfeld (z. B. Banking, Insurance). Kenntnisse in Frontend-Technologien (z. B. Streamlit, React, Copilotkit/AG-UI) für den schnellen Bau von KI-Demos und überzeugenden GenAI-Webapps. ## Description Machine Learning Kubernetes Cloud TypeScript Englisch Qualitätssicherung Java UI Entwicklungsumgebungen Soziales Engagement Modellierung Microservices Projekterfahrung Versicherungen SQL Azure Analytik IT Digitalisierung Berufserfahrung AWS Python Handel Docker Optimierung Kommunikation Swagger Nachhaltigkeit Frontend Engineering Deutsch Verantwortungsvolle Arbeitsweise Teamfähigkeit, Deine Mission: Intelligente Systeme der nächsten Generation KI-Lösungen konzipieren und realisieren Fokus GenAI: Konzeption und Umsetzung von modernen RAG-Architekturen (Retrieval Augmented Generation), agentischen Workflows und generativen KI-Use-Cases. Modellierung & Integration: Auswahl und Feinabstimmung (Fine-Tuning) von LLMs sowie deren Integration in produktive Geschäftsprozesse. Fundament: Während dein Fokus auf Generative AI liegt, nutzt du dein Wissen in klassischen Machine-Learning-Verfahren und Deep Learning, um hybride Lösungen zu schaffen, wo LLMs allein nicht ausreichen. Außerdem hast du Erfahrung damit, APIs mit OpenAPI / Swagger zu konzipieren und an Spring Boot Backends anzubinden, um bestehende Anwendungen mit Generative AI zu verbinden. Verantwortung für End-to-End-Lösungen Production-Ready AI: Du bringst GenAI-Applikationen von der ersten Prompt-Idee über den Prototypen bis hin zum skalierbaren Deployment (LLMOps). Integration in bestehende Anwendungen: Du bettest GenAI-Features in unsere bestehenden Web-Anwendungen ein - Angular im Frontend, Spring Boot im Backend - und hilfst bei deren Weiterentwicklung tatkräftig mit. Daten & Orchestrierung: Aufbau und Optimierung der Datengrundlage für Agenten, Vector Databases sowie die Orchestrierung komplexer Workflows und Agenten. Qualitätssicherung: Sicherstellung von Stabilität, Evaluierung von Modell-Outputs (Guardrails) und Performance-Optimierung. Beratung & Zusammenarbeit Technologie-Übersetzer: Du erklärst Stakeholdern den Unterschied zwischen "Hype" und echtem Business-Value und übersetzt komplexe Architekturen in klare Entscheidungsvorlagen. Außerdem hältst du Kundenworkshops, u.A. zu Themen wie Requirements Engineering. Interdisziplinarität: Enge Zusammenarbeit mit Business Analyst*innen und Software Engineers, um KI nahtlos in bestehende Software-Ökosysteme einzubetten. Weiterentwicklung & Wissensaustausch State-of-the-Art: Du beobachtest die rasanten Entwicklungen im Bereich LLMs, multimodale Modelle und Agenten-Frameworks. Wissenstransfer: Aktive Mitgestaltung interner Formate und Prototyping neuer Features für die attempto Akademie.