Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →
← Alle Stellen

Staff Backend Engineer (d/f/m)

PrincipalhybridBerlin, DE →vor 1 Wo.
Markteinblicke
📊 Data Engineering: Gehälter und Nachfrage am Markt
Stack
awscloudduckdbdynamodbelasticsearchfine-tuningjavakotlinkuberneteslambdallmnumpy
Details
Erfahrung
ab 5 Jahren
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Laden Sie Ihren Lebenslauf hoch — Arbeitgeber und Recruiter aus verschiedenen Ländern, die Ihr Profil suchen, können Sie direkt kontaktieren.
Lebenslauf senden →
Beschreibung

At Kleinanzeigen, search is the beating heart of how millions of users discover listings every day. We're evolving our search platform — moving to Vespa, expanding semantic and vector search capabilities, and building ranking models grounded in real buyer and seller signals. We're looking for a Senior Search Engineer who bridges the gap between search infrastructure and data science: someone who can both architect a high-performance retrieval pipeline and run rigorous offline experiments to validate relevance improvements.

You'll join our Core Experience engineering team and work closely with Product, UX, and fellow engineers to shape search quality for one of Europe's largest classifieds platforms.

Responsibilities:
What you'll do
  • Design and implement search features end-to-end: from indexing pipeline changes and schema design to query rewriting, ranking, and autocomplete.
  • Lead data-driven technical initiatives — write RFCs grounded in query log and user behaviour analysis, then own delivery from design to production.
  • Champion semantic and vector search: design embedding-based retrieval components, integrate LLMs for query understanding or evaluation, and measure real impact via A/B experiments.
  • Build and maintain offline evaluation pipelines (relevance judgment, NDCG, MRR) to accelerate the feedback loop between experimentation and deployment.
  • Improve indexing reliability and throughput — reduce re-ingestion times, ensure consistency, and tighten SLAs.
  • Contribu
Vollständige Beschreibung, Unternehmen und Bewerbungslink — nach der Anmeldung. Anmelden
Kontaktdaten des Arbeitgebers (E-Mail/Telefon/Telegram) sind in der öffentlichen Vorschau ausgeblendet. Senden Sie Ihren Lebenslauf — dann können Arbeitgeber Sie direkt kontaktieren.
Dringende Frage? Schreiben Sie @termdocs