Ingenieur für künstliche Intelligenz und maschinelles Lernen

Arbeitszeit: Vollzeit
Erfahrung: Erwartet werden mindestens 3 Jahre praktische ML-Engineering-Erfahrung mit Produktivsystemen bei großen Tech-Firmen, stark wachsenden Start-ups oder Medien-/Entertainment-Plattformen.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle bildet die technische Grundlage einer Content-Plattform und entwickelt ML-Systeme für Millionen Nutzende mit geringer Latenz. Sie arbeitet eigenständig mit dem Gründer, dem Team und Data-Science-Teams an produktionsreifen Modellen, skalierbarer Infrastruktur und der qualitätserhaltenden Unterstützung kreativer Prozesse.

Deine Aufgaben

Die Rolle entwickelt Architekturen für ML-Systeme mit Millionen Nutzenden und geringer Latenz sowie für das Training und die Bereitstellung von Modellen, die aus Echtzeitdaten lernen.
Zu den möglichen Tagesaufgaben gehören der Aufbau und die Bereitstellung produktiver ML-Modelle sowie skalierbarer Infrastruktur und Pipelines für große Mediendatensätze.
Zu den möglichen Tagesaufgaben zählt die Implementierung von Inferenzsystemen zur Content-Optimierung über mehrere Anwendungsbereiche hinweg.
Die Rolle kann multimodale KI-Systeme nach MLOps-Best-Practices feinabstimmen und bereitstellen sowie moderne Modelle zur Unterstützung kreativer Prozesse bei gleichbleibender Qualität einsetzen.
Gemeinsam mit Data-Science-Teams kann die Rolle Forschungsmodelle in produktionsreife Systeme überführen.
Zu den möglichen Tagesaufgaben gehört die Optimierung der Modellleistung für Kosteneffizienz unter Einhaltung der Anforderungen an Genauigkeit und Geschwindigkeit.
Die Rolle kann ML-Funktionen in bestehende Plattformen integrieren und APIs für eine nahtlose Modellnutzung entwickeln.

Das solltest du mitbringen

Erforderlich

Erwartet werden eine produktionsorientierte ML-Arbeitsweise und Expertise im Aufbau robuster, skalierbarer ML-Infrastruktur für reale Anwendungen.
Erwartet wird ein Abschluss in Informatik, Machine Learning, Mathematik, Ingenieurwissenschaften oder einem verwandten technischen Fach.
Erwartet werden mindestens 3 Jahre praktische ML-Engineering-Erfahrung beim Aufbau von Produktivsystemen in großen Technologieunternehmen, stark wachsenden Start-ups oder auf Medien- beziehungsweise Entertainment-Plattformen.
Erwartet werden Expertenkenntnisse in Python, ML-Frameworks und Cloud-Plattformen.
Erwartet wird umfangreiche Erfahrung mit MLOps-Werkzeugen und -Praktiken einschließlich Docker, Kubernetes, Modellversionierung und Monitoring-Systemen.
Erwartet werden nachweisbare Erfolge bei der Bereitstellung und Skalierung von ML-Modellen in Produktivumgebungen mit hohen Verfügbarkeitsanforderungen.
Erwartet werden eine selbstständige Arbeitsweise und die Fähigkeit, komplexe Systeme eigenständig zu entwerfen und dabei teamübergreifend mit technischen Teams zusammenzuarbeiten.
Erwartet wird, dass die Person in einem schnelllebigen, leistungsorientierten Umfeld erfolgreich arbeitet, in dem technische Entscheidungen Geschäftsergebnisse und Nutzungserlebnisse direkt beeinflussen.
Erwartet werden Fleiß, Ehrgeiz und Beharrlichkeit.
Erwartet wird eine ausgeprägte Begeisterung für Musik, Video oder soziale Medien.

So ist Remote hier geregelt

Die Arbeit erfolgt remote; regelmäßige internationale Teamtreffen ergänzen die Zusammenarbeit.
Das Team trifft sich regelmäßig an wechselnden Orten weltweit zu Offsites für Strategiearbeit und Teamaustausch.

Das wird angeboten

Die Vergütung umfasst ein wettbewerbsfähiges Gehalt und eine Unternehmensbeteiligung.
Die Rolle bietet eigenverantwortliches Arbeiten, flache Hierarchien und direkten Einfluss auf Entscheidungen sowie die Umsetzung eigener Ideen.
Leistung wird honoriert und Führungsinitiative anerkannt.
Remote-Arbeit und regelmäßige internationale Offsites ermöglichen ortsunabhängige Zusammenarbeit und persönlichen Teamaustausch.

So läuft die Bewerbung

Die Einstellung erfolgt fortlaufend; der frühestmögliche Einstieg ist so bald wie möglich. Abhängig vom Tempo beim Durchlaufen der Stufen kann innerhalb einer Woche ein Angebot erfolgen.
Zunächst wird eine praxisbezogene Fallstudie zu Hause bearbeitet, um Fähigkeiten und Arbeitsweise zu zeigen.
Darauf folgt eine 90-minütige Fallbesprechung mit einem Teammitglied, in der Ergebnisse präsentiert und diskutiert werden.
Anschließend folgen ein Online-Assessment mit Motivationsfragebogen und Eignungstest sowie ein 90-minütiges Gespräch mit dem Gründer und CEO.
Danach findet je nach Position ein Einzel- oder Gruppengespräch mit weiteren Teammitgliedern statt. Den Abschluss bilden Angebot, Vertragsunterzeichnung und Onboarding.
Informationen zum zunächst nicht öffentlich auftretenden Unternehmen werden schrittweise vermittelt. Bis zum Ende des Gründergesprächs werden das Geschäft und die Einzelheiten der Rolle vollständig erläutert.

Veröffentlicht: 15.10.2026 · Quelle geprüft: 19.10.2026.

Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.