AI Engineer — SmartFasterDe elevator pitchSmartFaster bouwt een AI-gedreven hypotheekplatform dat de Nederlandse woningmarkt radicaal toegankelijker maakt. Geen formulierenwizards. Geen wachtmuziek. Eén gesprek — en een team van AI-agents en humans-in-the-loop regelt de rest: van "ik zoek een huis met 3 slaapkamers" naar "wat kan ik lenen?" tot getekend hypotheekadvies.We zoeken een AI Engineer die dit systeem mee ontwerpt, bouwt en beter maakt. Niet iemand die "ook wel eens met ChatGPT werkt." Iemand die snapt hoe je LLMs agentic laat samenwerken, ze voedt met domeinkennis, en ze betrouwbaar maakt in een gereguleerde omgeving.Wat je gaat doenAgents bouwen die echt werken. Huub draait op een multi-agent architectuur: gespecialiseerde agents die worden georkestreerd via een coordinator/dispatcher pattern. Van financiële berekeningen tot woningzoektochten, van documentverwerking tot renovatievisualisaties — elk domein heeft zijn eigen agent met eigen tools en gedragsregels. Jij verbetert deze agents — van prompt engineering tot tool-integratie tot evaluatie.Data-only als principe. Onze agents gebruiken uitsluitend geverifieerde data uit tools — nooit schattingen, nooit hallucinaties. Ze zijn verbonden met externe databronnen via MCP-servers: woningdata, WOZ waardes, omgevingsinformatie, en interne tools voor hypotheekberekeningen en dossierverwerking. Jij ontwerpt en bouwt mee aan die tool-integraties.Document AI voor extractie. Onze modules verwerken hypotheekdossiers: loonstroken, taxatierapporten, identiteitsdocumenten. Jij helpt de OCR- en extractiepipeline te bouwen, doet cross-checks tegen aangeleverde data, en vindt fraud-detectie signalen. Alles audit-proof en traceerbaar.Context engineering. Agents zijn meer dan prompts — ze hebben geheugen, sessiecontext, en domeinkennis nodig die meegroeit. Jij helpt de kennislagen ontwerpen: RAG pipelines, skill-architecturen, prompt chains, memory management, en context window-strategieën. Hypotheekregels veranderen continu. Onze agents moeten meegroeien zonder dat je ze helemaal opnieuw traint.Modellen kiezen en migreren. We werken met Gemini, Claude, OpenAI en open-source modellen. Jij benchmarkt, vergelijkt kosten vs kwaliteit, en migreert wanneer een beter alternatief beschikbaar is.Evalueren, meten, verbeteren. Benchmarks opzetten, eval-sets bouwen, regressietests draaien. Je weet niet of je agent beter is geworden als je het niet meet. Wij verwachten dat je dat experiment-driven aanpakt.AI Act-compliance in de praktijk. We bouwen een per-agent risicotaxonomie: accuracy, bias, privacy, over-reliance, compliance — allemaal gedocumenteerd en traceerbaar. Jij helpt ervoor te zorgen dat onze agents voldoen aan transparantie-, uitlegbaarheids- en human-in-the-loop-vereisten.Waar je mee werktLangChain / LangGraph — Onze agent-orchestratie backbone (tot er iets beter langs komt)Python (FastAPI, asyncio) — Backend stackMCP (Model Context Protocol) — Tool-integraties (woningdata, WOZ, buurtdata, hypotheekberekeningen, en meer)Gemini / Claude / OpenAI / lokale modellen — Multi-provider model setupPostgreSQL — Dossier- en sessieopslagWebSockets — Realtime chat en UI-actiesDocker — Containerized deploymentVision models — Van woninginspectie tot documentverwerking tot renovatievisualisatiesRAG & context engineering — Retrieval-augmented generation, memory management, skill-architecturenWat je meebrengt Must-havesHands-on ervaring met LLM-applicaties in productie. Niet alleen prototypes — je hebt iets gebouwd dat door echte gebruikers wordt gebruikt.Je ontwikkelworkflow is AI-native. Je gebruikt Claude Code, Cursor, Codex of vergelijkbare tools als je primaire ontwikkelomgeving — niet als een incidentele shortcut. Je snapt dat de productiviteitswinst van skills en plugins gigantisch is en hebt je werkwijze daarop ingericht.Agent-architectuur. Je kunt uitleggen wanneer je single-agent vs multi-agent kiest, hoe handoffs werken, wat een coordinator/dispatcher pattern is, en waarom tool-gebruik cruciaal is.Context engineering. Je weet hoe je domeinkennis aan een LLM voedt — en begrijpt de trade-offs tussen RAG, fine-tuning, skills, prompts en in-context learning. Je denkt na over hoe agents hun context window gebruiken, niet alleen over wat erin gaat.Evaluatie en experiment-design. Je kunt een eval-set opzetten, een A/B test ontwerpen voor prompt-varianten, en regressie detecteren. Wetenschappelijke mindset.Python. Sterk. Async. Productie-ready.Pydantic. Model-gedreven validaties en interacties.Goed in Nederlands en Engels. Onze agents spreken Nederlands met klanten. Documentatie en code zijn Engels.Een inherente interesse in AI. Je bent op de hoogte van de laatste ontwikkelingen en tools en signaleert nieuwe mogelijkheden.Nice-to-havesErvaring met MCP (Model Context Protocol)Vision models — OCR, document understanding, image analysisErvaring in gereguleerde domeinen (finance, healthcare, legal)Agent orchestratie kennisAchtergrond in NLP, ML of AI research (publicaties, thesis, benchmarks)Kennis van de Nederlandse hypotheekmarkt (HDN, NHG, AFM-regelgeving)Wat je niet hoeft te zijnEen full-stack developer. We hebben frontend-engineers.Een DevOps engineer. We hebben infra-mensen.Een data scientist die vooral in notebooks werkt. Dit is engineering, niet research-only.Waarom SmartFasterJe bouwt iets dat er toe doet. Een huis kopen is de grootste financiële beslissing die de meeste mensen ooit nemen. Wij maken dat proces begrijpelijk, eerlijk en toegankelijk — met AI die écht helpt in plaats van in de weg zit.State-of-the-art, geen legacy. Geen 15 jaar aan technische schuld. We bouwen greenfield met de nieuwste tools en modellen. Multi-agent architectuur, MCP-integraties, vision AI — dit is geen "we plakken een chatbot op ons bestaande product."Klein team, grote impact. Het AI-team is in opbouw — jij helpt het mee vormgeven. Je zit direct naast de Head of AI. Geen lagen management. Onze werkwijze: write, reflect, iterate. Wat je bedenkt op maandag kan donderdag in productie draaien.AI Act- en GDPR-compliant van dag één. We bouwen in een gereguleerd domein. Dat betekent dat je nadenkt over bias, transparantie, audit trails en human-in-the-loop. Uitdagender dan een chatbot bouwen — en veel interessanter.PraktischLocatie: Hybride (Nederland). Kantoor in Amsterdam.Team: Engineering team van ~10 mensen + AI-team in opbouwRapporteert aan: Dr. Erik Borra, Head of AISalaris: Competitief, afhankelijk van ervaringStart: Zo snel mogelijkHerken je dit? "Ik heb vorige week een multi-agent pipeline opgezet die automatisch hypotheekdocumenten verwerkt. De eerste eval liet 73% accuracy zien op inkomenextractie, dus ik heb de prompt herschreven, een few-shot strategie toegevoegd, en nu zitten we op 94%. Morgen ga ik kijken of Gemini 2.5 Flash goedkoper is zonder accuracy-verlies.""We hadden een handoff-bug: de coördinator stuurde de klant naar de verkeerde agent na een vervolgvraag over verbouwingskosten. Bleek dat de dispatcher onvoldoende context meekrijgt na een agent-switch. Ik heb de context window-strategie aangepast, een eval-case toegevoegd, en het draait nu clean door alle regressietests."Als dit klinkt als een normale werkweek voor je: we moeten praten.Hoe Te SolliciterenStuur je CV en motivatiebrief voor deze specifieke rol naar vincent.lindeboom@huub.nl