Snowplow

30.10.2026

Forward Deployed Engineer, Applied AI

Vereinigtes Königreich

TypeScriptPythonGo

Automatische Übersetzung. Prüfe das Original.

Über Snowplow

Snowplow ist die Echtzeit-Kundendaten-Schicht, die Verhaltensdaten für fortgeschrittene Analysen, ML und die Entscheidungsfindung von KI-Agenten sammelt, validiert, anreichert und bereitstellt. Das Event-Tracking von Snowplow wird weltweit auf über 2 Millionen Websites und Anwendungen eingesetzt und verarbeitet monatlich über eine Billion Events.

Mehr als 250 Unternehmen, darunter Experian, AutoTrader, Strava, Condé Nast und HelloFresh, verlassen sich auf Snowplow, um eine fundierte First-Party-Datenbasis aufzubauen, die ihre kundenorientierten KI-Agenten, In-Session-Personalisierung, Empfehlungen und Echtzeit-Analysen unterstützt.

Diese Chance

Snowplow baut die Art und Weise, wie das Unternehmen seine eigene Arbeit erledigt, grundlegend um. Die KI-native Transformation hat für das Unternehmen oberste Priorität, und das Applied AI-Team ist dafür verantwortlich: Es stellt die Plattform bereit, auf der die KI-Arbeit jedes Teams läuft, definiert die Muster, wie kritische Arbeitsabläufe einer Abteilung auf Agenten übertragen werden, und misst den Erfolg. Die individuelle KI-Nutzung ist im gesamten Unternehmen bereits hoch. Der nächste Schritt besteht darin, Funktionen so umzugestalten, dass Agenten die wiederkehrenden Aufgaben übernehmen, während die Mitarbeiter die Ziele festlegen und die Ergebnisse bewerten.

Sie sind der erste Forward Deployed Engineer im Team und berichten an den Senior Director of Applied AI. Das Team stellt zudem einen Principal Engineer ein, der die Plattform verantwortet, sowie einen Applied AI Engineer, der in unser Growth-Team eingebettet wird. Der Senior Director, an den Sie berichten, programmiert selbst noch. Sie sind die Person, die zwischen den Funktionsbereichen wechselt. Sie arbeiten jeweils mit einem Bereich zusammen, eingebettet neben dessen Führungskraft und den Mitarbeitern, die die Arbeit derzeit manuell erledigen. Sie bilden den tatsächlichen Arbeitsablauf ab, entwickeln den agentenbasierten Workflow, der diese Aufgaben übernimmt, optimieren ihn gemeinsam mit den Experten, bis diese ihm vertrauen, und übergeben ihn dann zur Eigenverantwortung an den Bereich. Danach wechseln Sie zum nächsten Bereich.

Sie arbeiten nacheinander mit unseren wichtigsten Geschäftsbereichen zusammen. Der Senior Director of Applied AI und die Führungskraft des jeweiligen Bereichs wählen jedes Engagement aus, und Ihre Workflow-Karten dienen als Entscheidungsgrundlage. Prioritäten werden sich im Zuge der Transformation verschieben, und die Rolle ist genau darauf ausgelegt.

Dies ist das Forward-Deployed-Modell, angewendet innerhalb unseres eigenen Unternehmens. Sie schreiben den Code und führen gleichzeitig die Analyse durch, die ein Berater leisten würde. Die Führungskraft des Bereichs entscheidet, ob die Arbeitsweise des Teams geändert werden soll. Sie verantworten das Engineering und das Muster. Sie werden genauso viel Zeit damit verbringen, jemandem zuzuhören, wie er eine Aufgabe wöchentlich manuell erledigt, wie mit dem Schreiben der Agenten, die diese Aufgabe ausführen. Das Ergebnis ist ein Funktionsbereich, der anders arbeitet, die Hintergründe versteht und das von Ihnen Gebaute selbstständig betreiben kann.

Ihre Aufgaben

Die Workflow-Abbildung. Sie setzen sich mit den Mitarbeitern zusammen, die die Arbeit erledigen, und halten fest, wie sie aktuell abläuft: Wo kommt die Arbeit an, was passiert zwischen den Schritten, wer gibt die Freigabe und was bedeutet „gut“. Dies ist der erste Schritt bei jedem Engagement.

Die Entscheidungsgrundlage für die Umsetzung. Bevor etwas gebaut wird, liefern Sie die Erkenntnisse aus der Abbildung und begründen, ob es sinnvoll ist, den Workflow auf Agenten zu übertragen – auch wenn die Antwort lautet, dass keine KI erforderlich ist. Die Entscheidung liegt bei der Führungskraft des Bereichs und dem Senior Director; die Beweise liefern Sie.

Die Entwicklung. Sie entwerfen und bauen agentenbasierte Workflows auf dem gemeinsamen Factory-Framework von Snowplow, das von Applied AI betrieben wird: definierte Warteschlangen und Gates, fokussierte Agenten und ein zentrales Protokoll, das jeden Agentenlauf aufzeichnet. Jede Factory, die Sie bauen, ist mit jeder anderen in jedem Bereich kompatibel.

Freigabe-Gates. Sie entscheiden, wo der Agent eigenständig agiert, wo er Vorschläge macht, die ein Mensch genehmigt, und was protokolliert wird, damit jeder nachvollziehen kann, was der Agent getan hat und warum. Die Mitarbeiter im Bereich behalten die Entscheidungsgewalt. Die Agenten übernehmen den Rest.

Agenten-Bereitschaft. Sie bereiten das Wissen, die Datensysteme und die Qualitätsstandards des Bereichs so auf, dass Agenten damit arbeiten können. Oft ist dies die eigentliche Arbeit, während die Agenten der einfache Teil sind.

Die letzten zwanzig Prozent. Der Großteil der Arbeit fällt nach dem Prototyp an: Zuverlässigkeit, Randfälle, Evaluierung und die Überzeugung des Teams, die neue Arbeitsweise der alten vorzuziehen. Sie optimieren das Ergebnis gemeinsam mit den Fachexperten und kodieren deren Urteilsvermögen in Prüfmechanismen, die auch dann Bestand haben, wenn diese sich zurückziehen.

Die Übergabe. Sie schulen den Bereich darin, das von Ihnen Gebaute zu betreiben und weiterzuentwickeln, und ziehen dann weiter. Wenn ein Applied AI Engineer im Bereich eingebettet ist, übergeben Sie die Verantwortung an ihn. Erfolg bedeutet, dass ein Workflow auch Monate nach Ihrem Wechsel noch läuft und von Personen betreut wird, die nicht Sie sind. Nach der Übergabe bleiben Sie verfügbar: Wenn der Bereich ein Problem sieht oder eine Möglichkeit zur Verbesserung des Workflows erkennt, koordinieren Sie dies mit den eingebetteten Ingenieuren und Plattform-Ingenieuren, anstatt die Aufgabe selbst wieder zu übernehmen, und helfen beim Ausbau der Plattform, auf der diese Workflows laufen.

Das Muster selbst. Sie verantworten den Prozess, wie ein Workflow von der Abbildung über die Agenten bis zur Übergabe gelangt, und dokumentieren diesen, damit das nächste Engagement darauf aufbauen kann. Was Sie bauen, fließt zudem als Referenzimplementierung in das gemeinsame Framework zurück. Die zweite Factory in einem Bereich sollte kostengünstiger sein als die erste.

Mindestanforderungen

Wir würden uns freuen, von Ihnen zu hören, wenn Sie:

Echte Software im Stack eines anderen Teams bereitgestellt haben. Sie fühlen sich wohl dabei, in eine unbekannte Codebasis, ein unbekanntes Dataset oder ein unbekanntes Geschäftssystem geworfen zu werden und sich schnell einzuarbeiten. Sie beherrschen mindestens eine der Sprachen Python, TypeScript oder Go fließend und eignen sich die anderen bei Bedarf an.

Mit LLMs in der Produktion gearbeitet haben. Sie haben Agenten oder agentenbasierte Workflows entworfen, die echte Arbeit verrichten, inklusive Prompts, Tools, Evaluierung und der damit verbundenen Fehleranfälligkeit. Sie kennen den Unterschied zwischen einer Demo und etwas, auf das sich ein Team täglich verlässt, und haben die mühsame Arbeit geleistet, diese Lücke zu schließen.

Eine KI-native Arbeitsweise haben, die Sie uns zeigen können. Ein Workflow, eine Automatisierung oder ein Agent, den Sie gebaut haben und immer noch nutzen. Wir erwarten, dass Sie dies während des Interviewprozesses demonstrieren.

Mit Nicht-Ingenieuren zusammengearbeitet und deren Arbeit verstanden haben. Sie können einen Tag mit einem Vertriebs-, Marketing- oder Kundenteam verbringen und mit dem tatsächlichen Prozess zurückkehren, einschließlich der Teile, die niemand aufgeschrieben hat. Aktives Zuhören ist hier genauso wichtig wie der Tech-Stack.

Eigenverantwortlich arbeiten und mit Mehrdeutigkeit umgehen können. Engagements sind zeitlich begrenzt, Funktionsbereiche unterscheiden sich, und das nächste Projekt wird vom Unternehmen bestimmt. Sie planen Ihre eigene Arbeit innerhalb eines Engagements und bleiben gelassen, wenn das Unternehmen die Prioritäten ändert.

Den Instinkt zur Übergabe haben. Sie installieren lieber eine Fähigkeit, die ohne Sie weiter funktioniert, als die Person zu werden, von der ein Team abhängig ist.

Wenig Ego haben. Sie legen Ihre eigene Arbeit ab, wenn ein besserer Ansatz auftaucht, auch wenn dieser von einem Teamkollegen stammt. Modelle und Tools ändern sich schnell, und was im letzten Quartal gebaut wurde, muss möglicherweise ersetzt werden.

Klar mit Senior-Stakeholdern kommunizieren können. Sie können einer Führungskraft erklären, was sich für ihr Team ändert – in deren Sprache – und bei Bedarf an Ihrem Muster festhalten, wenn es darauf ankommt.

Eine nachweisbare Erfolgsbilanz haben. Sie haben in einer Rolle als Forward Deployed Engineer, Solutions Engineer, Internal Tools Engineer oder in der Beratung gearbeitet oder einen Prozess innerhalb eines Unternehmens von Anfang bis Ende transformiert.

Wie wir für diese Rolle einstellen

Der Interviewprozess beinhaltet eine Arbeitssitzung, in der Sie uns anhand Ihres eigenen Setups zeigen, wie Sie mit KI an einer echten Aufgabe arbeiten. Wir arbeiten selbst so, und Sie sind herzlich eingeladen, bei Ihrer Bewerbung KI zu nutzen.

Was Sie als Gegenleistung für Ihre großartige Arbeit erhalten

Bedeutende Unternehmensanteile (Equity)

Wettbewerbsfähiges Grundgehalt

Flexibles Arbeiten

Großzügiger Urlaubsanspruch

Private Krankenversicherung

Betriebliche Altersvorsorge

MacBook und Zuschuss für die Home-Office-Ausstattung

Erweiterte Familienzeit

Sprachen

Forward Deployed Engineer, Applied AI

Über Snowplow

Diese Chance

Ihre Aufgaben

Mindestanforderungen

Wie wir für diese Rolle einstellen

Was Sie als Gegenleistung für Ihre großartige Arbeit erhalten

Dein nächster Jobsucht schon nach dir.

Mehr Stellen mit nur einem Profil

Weiter entdecken

Principal Software Engineer - Datenbanken

Product Engineer (Modern Work)

AI Operations Generalist