Senior Backend & AI Engineer (m/w/d)

Scait ist die KI-Plattform für den Angebotsprozess im Bauwesen. Bauunternehmen bekommen Ausschreibungen mit Hunderten Seiten und kurzen Fristen. Scait liest das ganze Paket, Vertrag, Leistungsverzeichnis und Vorbedingungen, und zeigt Risiken und Chancen mit Fundstelle. Wir sind ein Gründerteam aus HSG und ETH mit Büro in Rotkreuz, haben zahlende Kunden und wachsen.

Was wir bieten:

Dein Code läuft in den ersten Wochen bei zahlenden Kunden. Du bist nah an den Nutzern. Ein technisches Gründerteam und kurze Wege. Mitarbeiterbeteiligung. Hybrides Arbeiten mit Büro in Rotkreuz.

Bewerbung:

Schick uns deinen Lebenslauf, ein paar Sätze, warum dich Scait interessiert, und einen Link zu etwas, das du gebaut hast: ein Repo, ein Nebenprojekt, ein Produkt. Uns interessiert, was du gemacht hast, mehr als wo du studiert hast.

Requirements

- Mindestens drei Jahre Erfahrung als Software Engineer, idealerweise fünf, vor allem im Backend, sicher in Python

- Du hast Systeme mit Datenbank, Hintergrundjobs und Last in Produktion betrieben, nicht nur Endpunkte geschrieben

- Erfahrung mit LLMs in Produktion, nicht nur im Prototyp: Prompts, Auswertung, Kosten, Fehlerfälle

- Du fragst vor dem Bauen, was «fertig» heisst, und prüfst danach, ob es beim Nutzer funktioniert

- Du denkst über dein Ticket hinaus und wartest nicht, bis dir jemand sagt, was schiefgehen könnte

- Du kannst mit Kunden reden

- Deutsch und Englisch fliessend (Kunden sprechen Deutsch, intern arbeiten wir zweisprachig)

Responsibilities

Du baust die Systeme, auf denen alle Module laufen: Hintergrundjobs, die stundenlang Dokumente verarbeiten, Datenmodelle für mehrere Mandanten, eine KI-Pipeline mit Dutzenden Agenten. Du sorgst dafür, dass sie unter Last halten, messbar bleiben und sich weiterentwickeln lassen.

Dabei zählt weniger, wie viel du baust, als ob es ins Ganze passt. Was die Kunden brauchen, hörst du bei Bedarf direkt von ihnen.

Deine Aufgaben:

- Backend in Python (FastAPI) mit PostgreSQL und pgvector bauen und betreiben: Datenmodelle, Schnittstellen, Hintergrundjobs auf Redis

- Die KI-Pipeline weiterentwickeln: Dokumentenverarbeitung, Agenten, Prompts, und dabei Kosten, Laufzeit und Qualität messen statt schätzen

- Architektur mitentscheiden, festhalten und aufräumen, was gewachsen ist

- Anforderungen mit Kunden klären und in eine Spezifikation übersetzen, die ein anderer Engineer bauen könnte