Der Markt will einen Python-AI-Engineer mit LangGraph — keine „KI-Person“

Stellen sagen nicht mehr „wir brauchen KI“. Sie nennen LangChain oder LangGraph, eine RAG-Pipeline und ein LLM-System, das die Person schon in Produktion gehalten hat. Dieser Satz ist ein Filter. Es ist kein netterer Titel für Prompt-Freelance, und es ist nicht derselbe Seat wie ein Fullstack-Hire mit Python und React und einem Modell im Produkt.

Ich habe schon geschrieben, was ein AI Engineer generell tut. Hier ist die Nachfrage, die 2026 wirklich in Stellen steht: Python-first, LangChain oder LangGraph in der Hand, RAG als Pipeline, und Produktion — keine Demo. Die andere Vakanz auf dem Markt ist ein eigener Artikel.

1. Warum diese Stelle auftauchte

Firmen haben ein Chatfenster ausgeliefert. Qualität kam nicht mit. Montag änderte sich der Korpus; die Antwort am Dienstag zitierte noch letzten Monat. Dann hörte die JD auf, „KI“ zu sagen, und begann RAG, LangGraph und Produktion zu sagen.

• Interne Suche, Support-Entlastung, Policy-Q&A: das Produkt ist Retrieval, das aktuell bleibt — keine Persönlichkeit.
• Ein Auftragnehmer hat eine LangChain-Chain gezeigt. Woche drei ist kaputtgegangen. Die nächste Stelle fragt, wer ein System am Laufen gehalten hat — nicht wer eine Library importiert hat.
• Modelllabore und OWASP haben den unbeaufsichtigten Agenten zum Risiko erster Klasse gemacht. Käufer wollen jemanden, der den Graphen eingrenzt — keinen längeren Prompt.

2. Was jedes Stichwort in der JD wirklich kauft

Lesen Sie die Stelle als Einkaufsliste. Wenn LangGraph für Sie ein Synonym für „kennt ChatGPT“ ist, interviewen Sie die Falschen.

• Python-first: der Turn lebt in Python — FastAPI oder ein Worker, typisierter State, Ingest als Job. Ein Notebook, das in Node geklebt wurde, ist dieser Seat nicht.
• LangChain oder LangGraph in der Hand: sie wollen den Graphen — retrieve, grade, rewrite, refuse — nicht `import langchain`. Leeres Retrieval ist ein Node zum Loggen, keine Überraschung im Prompt.
• RAG-Pipelines: Ingest, Chunking nach Dokumenttyp, Hybridsuche, Zitate als IDs. Upload in eine Vektor-DB ist keine Pipeline. Warum der Vektorindex ein abgeleiteter Index ist, nicht das System of Record, habe ich schon geschrieben.
• Ein LLM-System, das sie in Produktion gehalten haben: Evals, die ein Deploy kippen, eine Geschichte vom alten Index, ein Fallback wenn der Anbieter 500 wirft, ein Kill Switch. Flüssigkeit im Café ist diese Latte nicht.

3. Wer diesen Hire kauft

Kein Marketing-Team, das „ChatGPT auf der Homepage“ will. Das Budget sitzt, wo eine falsche Antwort einen Preis hat: Tickets, Compliance, ein internes Wiki, dem niemand mehr traut.

• Produktfirmen mit privatem Korpus: Policies, SKUs, Verträge, Runbooks.
• Support und Ops, die First Response schon messen und Retrieval wollen — kein zweites leeres Postfach.
• Teams, die einen Agenten mit Schreibzugriff versucht haben und jetzt einen Graphen mit Refuse-Node wollen. Warum die Kasse beim Menschen bleibt, habe ich schon geschrieben.

4. Wie eine Fehlbesetzung aussieht

Der Markt ist laut. Die falsche Interviewschleife ist lauter. Diese drei Profile erfüllen diese JD nicht, auch wenn im CV KI steht.

• Eine ML-Forscherin, die Netze trainiert hat und nie Ingest, Evals oder einen Reindex am Dienstag besessen hat.
• Ein Frontend, das OpenAI in eine Chat-UI gewickelt hat. Das ist eine Produktoberfläche. Diese Stelle ist die Schleife dahinter.
• Ein Tutorial: ein Retrieve, ein Generate, ein Screenshot. Die Stelle hatte das schon. Sie stellt ein, weil es in Woche drei gestorben ist.

5. Das ist nicht die Fullstack-LLM-Stelle

Eine zweite Stelle auf demselben Markt will Python plus React plus TypeScript und ein LLM-Feature, das echte Nutzer schon geöffnet haben. Dieser Hire wird am Vertrag zwischen API und Screen gemessen. Jener hier am Graphen, am Korpus, und ob Dienstag noch aus der Montagsdatei antwortet. Beide JDs mergen heißt, einen Körper für zwei Seniors zu verlangen.

Fazit: die Schleife kaufen, nicht das Label

Wenn die JD LangGraph, eine RAG-Pipeline und Produktion nennt, kauft der Markt einen Python-Systemseat um das Modell. Eine Chain mit Chat-Widget ist Woche eins. Die Nachfrage gilt der Person, die nach Woche drei noch eine Antwort hatte. Lassen Sie diese Stelle von der Fullstack-LLM-Stelle. Das sind zwei Seats.