Backend Technical Lead

Deine Aufgabe Diese Rolle konzentriert sich auf die Definition und Leitung von KI-gestützten Software-Entwicklungslebenszyklus-Mustern und die Anleitung der Analyse von OpenStack-basierten Control-Plane-Services. Die Position umfasst die Evaluierung und Operationalisierung von KI-Entwicklungsplattformen, die Etablierung von Qualitätskontrollen für KI-generierte Outputs und das Coaching von Engineering-Teams zur effektiven Nutzung von KI-Tools. Hauptaufgaben Definition und Leitung von KI-gestützten SDLC-Mustern für Repository-Aufnahme, Code-Exploration, Service-Mapping, Build-Diagnose, Dokumentation und Generierung von Engineering-Nachweisen Anleitung der Analyse von OpenStack-basierten Control-Plane-Services, APIs, Abhängigkeiten, Integrationsabläufen und Build-Strukturen über mehrere Repositories und Teams hinweg Evaluierung und Operationalisierung von KI-Entwicklungsplattformen, Coding-Agenten und genehmigten Open-Weight
- oder chinesischen Coding-Modell-Stacks für sichere Enterprise-Anwendungsfälle Etablierung von Human-in-the-Loop-Kontrollen, Quality Gates, Prompt-Bibliotheken, wiederverwendbaren Review-Mustern und Nachweisstandards für KI-generierte Engineering-Outputs Coaching von Software-Ingenieuren und Plattform-Spezialisten zur sicheren, effektiven Nutzung von KI-Tools bei gleichzeitiger Koordination mit Architektur-, Sicherheits-, DevOps
- und Testing-Teams Erstellung von Artefakten für Senior-Stakeholder, einschließlich Übergangsrisiken, Service-Dekompositionsansichten, Codebase-Reife-Beobachtungen und empfohlenen Engineering-Maßnahmen Beispiele für Markt-Tools, Modelle und SDLC-Plattformen, die erwartet werden Arbeit mit KI-Entwicklungsumgebungen wie Cursor, Windsurf, Claude Code, Continue, Cline oder VS Code-basierten Extensions, die mit unternehmensgeprüften Modell-Endpunkten verbunden sind Nutzung von Open-Source-, Open-Weight
- oder chinesischen Coding-fähigen Modellen wie DeepSeek Coder, Qwen/Qwen-Coder, CodeGeeX, StarCoder, Code Llama, Mistral oder ähnlichen Modellen, die über genehmigte Kontrollen betrieben werden Einsatz von agentischen und SDLC-Workflow-Komponenten wie LangGraph, OpenAI Agents SDK, AutoGen, LlamaIndex, RAG-Pipelines, Evaluierungsschleifen und strukturierten Tool-Calling-Mustern Arbeit in Engineering-Umgebungen einschließlich GitHub Enterprise, GitLab, Jenkins, ArgoCD, Helm, Docker, Kubernetes, privaten Package-Registries und terminal-nativen Automatisierungs-Workflows Dein Profil Wir suchen einen hocherfahrenen AI-Assisted Engineering Lead mit fundierter Expertise in Software Engineering, KI-gestützten Coding-Tools und Plattformarchitektur. Der ideale Kandidat verfügt über umfangreiche praktische Erfahrung mit KI-Entwicklungsplattformen, Coding-Agenten und LLM-basierten Workflows, kombiniert mit ausgeprägten technischen Fähigkeiten in mehreren Programmiersprachen und Cloud-nativen Technologien. Muss-Kriterien Mindestens 8 Jahre Erfahrung in Software Engineering, Platform Engineering oder technischen Architektur-Rollen Nachgewiesene Verantwortung für komplexe Engineering-Workstreams Ausgeprägte praktische Programmierkenntnisse in Python Kenntnisse in mindestens einer Backend
- oder Systemsprache wie Go, Java, C, C++ oder Rust Fundierte praktische Erfahrung im Einsatz von KI-Coding-Agenten und LLM-basierten SDLC-Workflows für große Codebasen Erfahrung mit KI-Coding-Agenten für technische Dokumentation Erfahrung mit KI-Coding-Agenten zur Beschleunigung von Engineering-Prozessen Gutes Verständnis von OpenStack-basierten Cloud-Software-Architekturen Kenntnisse in modularer Service-Dekomposition Erfahrung mit CI/CD Erfahrung mit Kubernetes-basierter Auslieferung Kenntnisse im Plattformbetrieb Fähigkeit, Senior Engineers in unklaren Umgebungen zu führen Fähigkeit, KI-Outputs kritisch zu hinterfragen Fähigkeit, unvollständige Informationen in strukturierte, umsetzbare Engineering-Entscheidungen umzuwandeln Du fühlst dich wohl in Umgebungen mit hoher Verantwortung und Vertraulichkeitsanforderungen in Unternehmensprogrammen Erfahrung mit Anforderungen an Nachprüfbarkeit, Rückverfolgbarkeit und Datensouveränität Vertrautheit mit KI-Entwicklungsumgebungen wie Cursor, Windsurf, Claude Code, Continue, Cline oder VS Code-basierten Extensions Kenntnisse von Open-Source-, Open-Weight
- oder chinesischen Coding-fähigen Modellen wie DeepSeek Coder, Qwen/Qwen-Coder, CodeGeeX, StarCoder, Code Llama, Mistral oder ähnlichen Modellen Erfahrung mit agentischen und SDLC-Workflow-Komponenten wie LangGraph, OpenAI Agents SDK, AutoGen, LlamaIndex, RAG-Pipelines, Evaluation Loops und strukturierten Tool-Calling-Patterns Erfahrung mit Engineering-Umgebungen wie GitHub Enterprise, GitLab, Jenkins, ArgoCD, Helm, Docker, Kubernetes, privaten Package Registries und Terminal-nativen Automatisierungs-Workflows

Über uns
T-Systems ist Teil der Deutsche Telekom Gruppe mit rund 30.000 Mitarbeitern weltweit. Wir schaffen Technologie mit Si