Senior Software Engineer - Data & AI

Alzenau, Bavaria, Germany

CMBlu Energy befindet sich auf der spannenden Reise hin zu einem globalen Cleantech-Unternehmen. Unsere Mission:
Unbegrenzte Energiespeicherung nach dem Vorbild der Natur ermöglichen – und das für alle, weltweit.

Solid Flow
-Batterien speichern Energie in organischen Molekülen. Der Verzicht auf explosive Materialien macht sie sicher, der Einsatz von sozial und ökologisch konfliktfreien Rohstoffen nachhaltig und die nahezu unbegrenzte Materialverfügbarkeit skalierbar und günstig in der Beschaffung. Das macht unsere patentierte Solid Flow - Technologie zu einem Gamechanger im Aufbau eines globalen klimaneutralen Energiesystems.

CMBlu Energy entwickelt sich von einem Start-up mit Forschungsschwerpunkt zu einem produzierenden Scale-up, das sich auf dem Sprung in die Serienproduktion befindet. An diesem Ziel arbeiten rund 250 Mitarbeiterinnen und Mitarbeiter bei CMBlu Energy. Unser Hauptsitz ist in Alzenau nähe Frankfurt , mit einer Zwei g stelle in Obernburg. Hinzu kommen Tochtergesellschaften in Athen, Griechenland und Petaluma, USA.

Möchtest du Software, Datenpipelines und KI bauen, die Batterieforschung schneller machen? Bei uns entwickelst du die Systeme, die aus unseren Forschungs-, Pilot- und Produktionsdaten bessere Materialien und Zellen machen – und die KI-Werkzeuge, mit denen unsere Chemie- und Elektrochemie-Teams jeden Tag arbeiten.

Du bist stark in der Software-Entwicklung, hast ein Faible für Daten und echten Bock auf KI in ihrer ganzen Breite – von LLMs und Agenten bis zu klassischem Machine Learning. Sauberes Engineering verbindest du mit Databricks, Azure und Claude zu Werkzeugen, die es so nicht von der Stange gibt.

Damit gibst du unserer Forschung nicht nur Daten, sondern Antworten – und den Hebel, schneller die richtigen Entscheidungen zu treffen.

• Produktionsreife Software entwickeln – APIs, Services und interne Web-Apps in modernem Python (uv, FastAPI/uvicorn), mit sauberer Architektur, Tests und CI/CD; etwa Analyse-Apps, mit denen Forschende ihre Testdaten auswerten, als Databricks Apps über Asset Bundles und Git Lab deployt.
• KI-Anwendungen für die Forschung entwickeln – Assistenten und Agenten, die R&D bei Aufgaben wie Recherche, Hypothesenbildung, Materialauswahl und Syntheseplanung unterstützen. Du kombinierst LLMs und Agenten (u. a. Claude über MCP) mit wissenschaftlichen Methoden wie Cheminformatik, Retrosynthese und Quantenchemie – und treibst diese Werkzeuge kontinuierlich voran.
• KI breit denken – nicht nur LLMs – klassisches Machine Learning dort einsetzen, wo es das bessere Werkzeug ist:
  Zusammenhänge zwischen Material und Performance modellieren, Datenqualität und Anomalien erkennen, Lebensdauer und Degradation vorhersagen.
• Skalierbare Daten-Pipelines und unsere Datenplattform bauen und betreiben – nach dem Bronze/Silver/Gold-Prinzip auf Databricks und Azure, von der Sensor-Ingestion (MQTT, Event Hubs, Lakeflow) bis zu den Gold-Tabellen, mit denen die Fachbereiche direkt arbeiten.
• Deine Systeme end-to-end verantworten – von der Datenquelle über Modell bzw. Agent bis zum Werkzeug in der Hand der Forschenden, inklusive Security, Observability, Qualität und Verlässlichkeit.
• Eng mit Chemie, Elektrochemie, Engineering und Testing zusammenarbeiten und wissenschaftliche Fragestellungen in Software- und KI-Lösungen übersetzen.

• Du bist in erster Linie starke:r Entwickler:in – mehrjährige Erfahrung im Bau produktionsreifer Software, mit Gespür für Architektur, sauberem Code, Testing und CI/CD (idealerweise Git Lab).
• Du beherrschst Python sehr sicher (und SQL) und bist beim Entwurf von APIs, Services und Microservices zu Hause.
• Du hast solide Data-Engineering-Erfahrung – Databricks und PySpark, die Medaillon-Architektur (Bronze/Silver/Gold), Batch- und Streaming-Pipelines sowie der Azure-Data-Stack (Data Factory, ADLS Gen2, Event Hubs).
• Du hast echte Affinität zu KI in der ganzen Breite – praktische Erfahrung mit LLMs und generativer KI (RAG, Agenten, MCP, Tools wie Claude) und ein fundiertes Verständnis von klassischem Machine Learning – und…