Forward Deployed Engineer (m/w/d) - AI Automation, intern

• Du verstehst RABOTs Abteilungen, ihre Kernprozesse und unser AI-Tooling (Claude, Claude Code, unser Data-Stack) gut genug, um eine Process-Discovery-Session eigenständig zu führen.
• Du hast deine erste Automatisierung in Produktion gebracht – etwas, das ein Team sofort spürt.
• Eine erste Abteilung vertraut dir genug, um dich nach dem nächsten Thema zu fragen.

Monat 6 (Performance)

• Du hast Automatisierungen in mindestens drei Abteilungen ausgeliefert – jede mit messbar eingesparter Zeit.
• Teams kommen mit Problemen auf dich zu, statt darauf zu warten, gefragt zu werden.
• Dein Junior übernimmt kleinere Automatisierungen eigenständig, weil du das Muster gesetzt und das Wie geteilt hast.

Monat 12 (Scale)

• Du bist die Person, die das ganze Unternehmen mit „das hat früher Stunden gedauert – jetzt nicht mehr" verbindet.

• Automatisierung ist eine Gewohnheit über Abteilungen hinweg, kein einmaliges Projekt.

• Die Art, wie du Prozesse entdeckst, baust und übergibst, ist dokumentiert und wiederholbar – sie skaliert über dich hinaus.

• Builder:in, nicht Berater:in: Du hörst nicht bei einer Folie auf, die zeigt, was möglich wäre. „Läuft im Demo" reicht nicht – es muss in Production laufen und dem Kontakt mit einem echten Team standhalten.

• Prozess-Detektiv:in: Du setzt dich mit jemandem aus Finance oder Ops zusammen, folgst einem chaotischen Real-World-Prozess end-to-end und siehst genau, wo die repetitive Arbeit steckt. Du fragst „Was stiehlt dir am meisten Zeit?", bevor du irgendetwas vorschlägst.

• Vertrauensbauer:in: Du kommst in eine Abteilung, die dich nicht kennt, und gehst mit ihr auf deiner Seite wieder raus. Dir ist klar: Das Schwierige ist nicht die Automatisierung – es ist, Menschen dazu zu bringen, einen Prozess zu ändern, den sie seit Jahren verantworten. Du führst mit Service, nicht mit „die IT ist da, um euch zu reparieren".

• AI-native: AI-Coding- und Agent-Tools (Claude, Claude Code, Cursor) sind längst Teil deines Alltags. Du hast ein Gespür dafür, wo ein LLM das richtige Werkzeug ist – und wo nicht.

Fachliche Anforderungen

• Ein nachweisbarer Track Record an Automatisierungen, die in Produktion gegangen sind – keine Prototypen, keine Proofs of Concept.
• Starke Engineering-Grundlagen: sicher in Python (oder Vergleichbarem), mit APIs und im Umgang mit Daten.
• AI-Coding- und Agent-Tools (Claude, Claude Code, Cursor) gehören zu deinem natürlichen Workflow.
• Fließend in Deutsch und Englisch – du sitzt mit deutschsprachigen Teams zusammen, um ihre tägliche Arbeit zu verstehen; Deutsch ist für diese Rolle daher zwingend erforderlich.

Bonus

• Ein Forward-Deployed-, Solutions-Engineering- oder Consulting-Hintergrund – du bist schon in eine Organisation gekommen, die du nicht kanntest, und hast es zum Laufen gebracht.

• Hands-on mit Process Mining, Workflow-Automatisierung oder RPA-Tooling.

• Energiebranche oder eine andere regulierte, prozesslastige Industrie.

• Impact: Wenn eine Kollegin oder ein Kollege eine Stunde manuelle Arbeit pro Tag nicht mehr macht, liegt das an dem, was du gebaut hast. Du siehst die Wirkung deiner Arbeit auf echte Menschen.

• Ownership: Du entscheidest, wo die größten Hebel liegen und wie du sie baust. Du reportest direkt an den CTO.

• Kultur: Transparentes Feedback. Wir feiern Fehler, solange wir daraus lernen.

Deine Extras

• Kolleg:innenrabatt für den RABOT-Energy-Stromtarif
• Urban Sports Club Partnerschaft + Deutschlandticket

BATO1_DE