(Founding) Software Engineer [€70k-€100k]

• Full-timeEmployment type: Full-time
• €70,000 - €100,000 (employer salary)
• On-site
• Be an early applicant

• Erfahrung im Bau und Betrieb produktiver Software mit realen Nutzern, Daten und Verantwortung
• Nachweisliche Erfahrung mit KI-/ML-basierten Anwendungen z. B. Entwicklung, Integration oder Betrieb einer KI-gestützten Anwendung (auch als Side Project, Startup oder eigenes Produkt)
• Sehr solides Backend- oder Full-Stack-Verständnis inklusive APIs, Datenmodellen und Systemarchitektur
• Praktische Erfahrung mit Python und/oder TypeScript
• Deutsch auf muttersprachlichem Niveau (C2 / Native Speaker) (notwendig aufgrund fachlicher, regulatorischer und kundennaher Anforderungen)
• Standort München (Hybrid oder Onsite, keine reine Remote-Position)

Doctario baut eine KI-basierte Infrastruktur für medizinische Abrechnung - einen der größten und technisch anspruchsvollsten Prozesse im Gesundheitswesen. Medical Billing ist hochreguliert, extrem fragmentiert und geschäftskritisch. Fehler haben reale finanzielle Konsequenzen, die Regelwerke sind komplex, und dennoch wird der Großteil der Prozesse bis heute manuell betrieben. Genau hier setzen wir an - mit produktionsreifer Software, nicht mit Experimenten. Innerhalb weniger Wochen haben wir eine nahezu siebenstellige Seed-Finanzierung abgeschlossen. Das Produkt ist live, Kunden sind produktiv, und die Nachfrage wächst schneller als unsere Engineering-Kapazität. Der Markt allein in Deutschland umfasst €341 Milliarden und steht vor einem strukturellen Umbruch. Wer jetzt einsteigt, prägt Architektur, Produkt und Engineering-Kultur in einer Phase, in der Entscheidungen langfristig zählen., * Produktive Features bauen, shippen und iterieren - von der Implementierung bis zum Live-Gang bei Kunden * End-to-End-Ownership für Features übernehmen(Design, Umsetzung, Deployment, Monitoring, Weiterentwicklung) * Fachlich komplexe Anforderungen aus dem Medical-Billing-Umfeld in robuste, wartbare Software übersetzen * KI-/ML-Funktionalität produktiv integrieren mit Fokus auf Zuverlässigkeit, Qualität und reale Nutzung (kein Research-Setup) * Bestehende Systeme kontinuierlich verbessern basierend auf Kundenfeedback, Produktionsdaten und operativen Anforderungen * Pragmatische technische Entscheidungen treffen, die schnelles Shipping ermöglichen und langfristig tragfähig sind * Zentrale Backend- und Plattform-Komponenten weiterentwickeln, dort, wo sie Produktivität, Stabilität oder Skalierung direkt erhöhen * Eng mit Produkt, ML und Business zusammenarbeiten, um Anforderungen schnell in auslieferbare Features zu überführen * Verantwortung für produktive Systeme übernehmen, inklusive Fehleranalyse, Bugfixing und operativer Stabilität * Die Engineering-Kultur aktiv mitprägen, mit Fokus auf Ownership, Geschwindigkeit und Code-Qualität