Kundennaher Entwicklungsingenieur für Physical-AI-Infrastruktur

Arbeitszeit: Nicht angegeben
Erfahrung: Erforderlich sind mindestens drei Jahre in Softwareentwicklung, Cloud-/ML-Infrastruktur, DevOps oder Ähnlichem samt Produktionsverantwortung sowie Erfahrung mit Kunden oder externen Ingenieuren.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle begleitet Unternehmen bei Training, Simulation, synthetischen Daten, Evaluation und Modellbereitstellung bis zum Produktivbetrieb. Im Physical-AI-Go-to-Market-Team verbindet sie praktische Entwicklungsarbeit mit Kundeningenieuren und enger Zusammenarbeit mit Produkt- und Entwicklungsteams, um Infrastrukturprodukte zu verbessern und neue Produktmöglichkeiten zu prüfen.

Deine Aufgaben

Die Rolle analysiert mit Kundeningenieuren Arbeitslasten, Infrastrukturbeschränkungen und Produktionsanforderungen und übersetzt Physical-AI-Anwendungsfälle anhand von Messungen und Kundenbelegen in Anforderungen für Cloud-, Serverless- und spezialisierte Modellinfrastrukturteams.
Sie identifiziert Einführungshürden und branchenübergreifende Anforderungen von Unternehmenskunden, bewertet Lücken mit Produkt- und Entwicklungsteams und testet Verbesserungen mit Kunden.
Sie entwickelt Agenten, die Physical-AI-Arbeitslasten einrichten, ausführen und debuggen, und verbindet sie mit Clustern, Schedulern, Speicher und Modellservern.
Sie stellt Modelle mit offenen Gewichten über Serving-Stacks wie vLLM oder SGLang bereit, führt Benchmarks durch und optimiert sie für Kundenarbeitslasten.
Sie entwickelt Prototypen und führt technische Evaluationen zu Leistung, Zuverlässigkeit und Produkteignung durch.
Sie untersucht unerfüllte Bedürfnisse, Nachfrage und bestehende Alternativen auch außerhalb des Zuständigkeitsbereichs aktueller Produktteams und entwickelt Lösungen bei klarer Marktnachfrage. Kundenversuche unterstützen Entscheidungen über Investitionen und den anfänglichen Produktumfang.
Sie analysiert Fehler in Python, Agenten, Modellservern, Kubernetes, GPUs, Netzwerken und Speicher gemeinsam mit Kundeningenieuren.
Sie überführt erfolgreiche Konfigurationen in wiederverwendbare Skripte, Deployments und kurze Anleitungen.

Das solltest du mitbringen

Erforderlich

Erforderlich sind mindestens drei Jahre Erfahrung in Softwareentwicklung, Cloud-Infrastruktur, DevOps, ML-Infrastruktur oder einem ähnlichen Bereich, einschließlich Verantwortung für einen produktiven Dienst, Cluster oder eine Plattform.
Erforderlich ist Erfahrung in der direkten Zusammenarbeit mit Kunden oder externen Ingenieuren, um Probleme einzugrenzen, Evaluationen durchzuführen und technische Abwägungen zu erläutern.
Erforderlich ist die Fähigkeit, ein unbekanntes Kundenproblem in konkrete Infrastrukturanforderungen zu übersetzen.
Erforderlich ist praktische Erfahrung in der Entwicklung mit LLMs oder Agenten, beruflich oder eigenständig, einschließlich Verständnis ihrer internen Funktionsweise, etwa Transformer, KV-Caching oder Tool Calling, sowie der Bewertung ihrer Ausgaben.
Erforderlich ist Vertrautheit mit Infrastrukturanforderungen von Unternehmen, einschließlich Identitäts- und Zugriffsmanagement, Netzwerkisolation, Sicherheit, Monitoring und Zuverlässigkeit.
Erforderlich sind fundierte Python- und Linux-Kenntnisse, um unbekannten Code zu lesen, eine Umgebung automatisiert einzurichten und Fehler anhand von Logs und Metriken zu analysieren.
Erforderlich ist praktische Erfahrung mit Containern und Kubernetes, einschließlich Konfiguration, Netzwerken, Speicher und Scheduling.
Erforderlich sind nachweisbare Erfolge darin, nützliche Software trotz unvollständiger Anforderungen zum Laufen zu bringen, Ergebnisse zu messen und die weitere Umsetzung mit den Nutzenden konsequent zu begleiten.
Erforderlich ist eine Arbeitsberechtigung im Land der Bewerbung; ihr Nachweis ist Voraussetzung für die Einstellung.

Von Vorteil

Hilfreich ist Erfahrung im technischen Unternehmenskundendienst, in Lösungsarchitektur oder Beratung oder darin, ein neues Produkt vom anfänglichen Kundenproblem bis zur Nutzung zu begleiten.
Hilfreich ist Erfahrung mit verteiltem Rechnen, beispielsweise mit Ray, Slurm, Spark oder Multi-GPU-Jobs.
Hilfreich ist Erfahrung mit NVIDIA-GPU-Arbeitslasten, einschließlich Speicherverwaltung, Treibern, CUDA, NCCL und Monitoring.
Hilfreich ist Erfahrung mit Model Serving über vLLM, SGLang, TensorRT-LLM oder TGI.
Hilfreich ist Erfahrung mit Robotik, Simulation, synthetischen Daten, Reinforcement Learning, Weltmodellen oder Werkzeugen wie Isaac Sim, Isaac Lab, Omniverse und Cosmos.
Hilfreich ist Erfahrung mit Infrastrukturautomatisierung und Unternehmensintegrationen, einschließlich Terraform, CI/CD, privater Konnektivität und Identitätsföderation.

Das wird angeboten

Eine wettbewerbsfähige Vergütung wird angeboten.
Es bestehen Möglichkeiten zur beruflichen Entwicklung und zum Lernen.
Die Arbeit bietet Flexibilität, Vertrauen und Eigenverantwortung in einer kooperativen, innovationsorientierten Kultur.
Ein internationales Umfeld mit qualifizierten Teams bietet die Möglichkeit, an wirkungsreichen KI-Projekten zu arbeiten und die Entwicklung von KI mitzugestalten.

So läuft die Bewerbung

Als Voraussetzung für eine Einstellung ist ein Nachweis der Arbeitsberechtigung im Land der Bewerbung erforderlich.
Bei Bedarf können Anpassungen im Bewerbungsverfahren angefragt werden.

Veröffentlicht: 17.09.2026 · Quelle geprüft: 17.10.2026.

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