LLM Engineer.

Bringt Sprachmodelle aus dem Experiment in den produktiven Betrieb.

Stundensatz 110–160 € Remote & vor Ort DACH-weit

Ein LLM Engineer entwickelt Anwendungen auf Basis großer Sprachmodelle — von der Modellauswahl über Prompt-Architektur und Evaluierung bis zum produktiven Betrieb mit Monitoring und Kostenkontrolle. Die Rolle verbindet Software-Engineering mit einem tiefen Verständnis dafür, wie sich Sprachmodelle in realen Lasten verhalten.

Gefragt ist sie überall dort, wo ein Proof of Concept den Schritt in die Produktion schaffen soll: Die meisten KI-Projekte scheitern nicht am Modell, sondern an Evaluierung, Latenz, Kosten und Betriebsfragen — genau das ist das Terrain dieser Rolle.

01

PoC produktionsreif machen

Ein intern gebauter Prototyp funktioniert im Demo-Modus, aber nicht unter Last. Der LLM Engineer härtet Architektur, Evaluierung und Fehlerbehandlung.

02

Eigene KI-Features im Produkt

Ihr SaaS-Produkt soll Zusammenfassungen, Suche oder Assistenz-Funktionen bekommen — als verlässliches Feature, nicht als Gimmick.

03

Modell- und Anbieter-Entscheidung

OpenAI, Anthropic, Mistral oder Open Source on-premise? Strukturierte Evaluierung gegen Ihre realen Daten statt Bauchgefühl.

04

Kosten- und Latenz-Optimierung

Laufende LLM-Kosten explodieren mit der Nutzung. Caching, Routing auf kleinere Modelle und Prompt-Optimierung senken sie messbar.

Kernkompetenzen
Prompt-ArchitekturEvaluierung (Evals)API-DesignPython/TypeScriptObservability
Tools & Frameworks
OpenAI/Anthropic APIsLangChain/LlamaIndexvLLMVektordatenbankenMLflow
Plus-Faktoren
Fine-Tuning-ErfahrungOn-Premise-DeploymentsEU-AI-Act-Grundwissen

110–160 € / Stunde, DACH-Markt

Senior-Profile mit nachweisbaren Produktiv-Deployments liegen am oberen Rand; reine Prototyping-Erfahrung darunter.

Alle Angaben aus unserer laufenden Marktbeobachtung; Details im Stundensatz-Überblick.

Wie evaluieren Sie, ob ein LLM-Feature gut genug für Produktion ist?
Trennt Praktiker von Demo-Bauern: Wer produktiv gearbeitet hat, spricht über Eval-Datensätze, Regressionstests und Schwellwerte — nicht über Bauchgefühl.
Erzählen Sie von einem LLM-Projekt, das schiefging — und warum.
Echte Produktionserfahrung erzeugt Narben: Halluzinationen beim Kunden, Kostenexplosionen, Latenz-Probleme. Wer keine nennen kann, hat nur Prototypen gebaut.
Wann würden Sie vom API-Modell auf ein selbst gehostetes Modell wechseln?
Prüft Architektur-Urteilsvermögen: Datenschutz, Kosten ab Volumen X, Latenz — die Antwort sollte Trade-offs nennen, keine Ideologie.
Wie halten Sie LLM-Kosten unter Kontrolle?
Produktionsreife zeigt sich im Klein-Klein: Token-Budgets, Caching, Modell-Routing, Monitoring pro Feature.
Was kostet ein LLM Engineer als Freelancer?
Nach unserer Marktbeobachtung liegen Stundensätze für LLM Engineers im DACH-Raum 2026 zwischen 110 und 160 Euro, abhängig von Seniorität und nachweisbaren Produktiv-Deployments.
Worin unterscheidet sich ein LLM Engineer von einem Machine Learning Engineer?
Der ML Engineer trainiert und deployt eigene Modelle über den gesamten Lifecycle. Der LLM Engineer baut Anwendungen auf vortrainierten Sprachmodellen — sein Schwerpunkt liegt auf Prompt-Architektur, Evaluierung und Produktionsbetrieb statt auf Modelltraining.
Wann brauche ich einen LLM Engineer statt eines normalen Softwareentwicklers?
Sobald LLM-Verhalten geschäftskritisch wird: Evaluierung, Halluzinations-Kontrolle, Kosten- und Latenz-Management erfordern Spezialwissen, das klassische Webentwicklung nicht abdeckt.
Wie schnell ist ein LLM Engineer über agentic xperts verfügbar?
Nach dem Erstgespräch erhalten Sie in der Regel innerhalb weniger Werktage passende Profile; der Projektstart hängt von der Verfügbarkeit des Kandidaten ab — typisch sind zwei bis vier Wochen.

Sie brauchen eine:n LLM Engineer?

Beschreiben Sie uns Ihr Projekt — Sie erhalten innerhalb eines Werktags eine ehrliche Einschätzung zu Verfügbarkeit, Stundensatz und Alternativen.

Experten anfragen