AI-native Workflow-Design & Orchestrierung

Design und Betrieb autonomer AI-Agenten und Multi-Agent-Systeme für operative Aufgaben in Marketing, HR, Finance und Sales Support
Orchestrierung von LLM-basierten Workflows mit Claude Enterprise Agents - tool-agnostisch, ergebnisorientiert
Aufbau von Agentic Pipelines über Paperclip: Agenten-Koordination, Task-Delegation und Workflow-Steuerung als primärer Orchestrierungs-Layer
Aufbau und Betrieb von Agentic Pipelines, die nicht nur Daten verarbeiten, sondern situativ entscheiden und eskalieren
Systemintegration über APIs und Webhooks; klassische Automatisierungsplattformen (Make, n8n) als ergänzendes Werkzeug, wo native AI-Orchestrierung noch nicht greift

AI-Qualität, Governance & Evals

Aufbau systematischer Evaluierungs-Frameworks für AI-Outputs in produktiven Prozessen - kein Deployment ohne Qualitätskontrolle
Definition und Betrieb von Guardrails und Eskalationslogiken für autonome AI-Aktionen mit Kundenkontakt
Transparentes Reporting über AI-Performance, Fehlerquoten und Effizienzgewinne an Head of AI, CTO und CEO
Enge Abstimmung mit Legal und Compliance bei AI-Aktionen mit regulatorischer Relevanz

Knowledge Architecture & institutionelles Gedächtnis

Aufbau und strategische Pflege der unternehmensweiten Knowledge-Base in Langdock als AI-Betriebsgedächtnis
Strukturierung von Unternehmenswissen so, dass Agenten zuverlässig darauf zugreifen und eigenständig Entscheide ableiten können
Sicherstellung von Aktualität, Qualität und Zugriffsstruktur der Knowledge-Layer - inkl. Versionierung und Ownership-Logik

Internes AI-Betriebssystem

Aufbau eines internen AI AgentOS: jede Person in Operations kann AI-Workflows eigenständig steuern und anpassen - ohne Tech-Abhängigkeit
Entwicklung interner Standards, Playbooks und Governance-Strukturen für den unternehmensweiten AI-Einsatz
Identifikation und Förderung interner AI-Champions; du baust Kompetenz auf, nicht Abhängigkeit von dir

AI Automations Manager / Workflow Architect 100% (DE)