Leitung ML-Lösungsarchitektur

Arbeitszeit: Nicht angegeben
Erfahrung: Erforderlich sind mindestens 3 Jahre Führung technischer Teams einschließlich Leistungsmanagement und schwieriger Gespräche sowie Erfahrung in der Führung eines kundennahen Teams.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle verantwortet Personalführung, technische Qualität und verlässliche Abläufe für Machbarkeitsnachweise und technischen Support nach dem Verkauf einer serverlosen Plattform für quelloffene LLMs. Sie berichtet an die Leitung der Lösungsarchitektur, arbeitet mit einer gleichrangigen Führungskraft der anderen Region zusammen und stimmt sich mit Entwicklung, Forschung, Produkt, Vertrieb, Account Management und Geschäftsleitung ab.

Deine Aufgaben

Die Rolle führt ein Team von 8 Solutions Architects mit geplantem weiterem Wachstum durch Einzelgespräche, Zielvereinbarungen, Leistungsbewertungen, Beförderungsentscheidungen und individuelle Entwicklungspläne. Sie beurteilt Ergebnisse unabhängig vom Aufwand, berücksichtigt dies bei Bewertungen und Vergütungsentscheidungen und verteilt Kunden und Projekte nach Stärken, Entwicklungsbedarf und Interessen.
Sie begleitet neue Mitarbeitende bis zum ersten eigenständig abgeschlossenen Kundenprojekt, stärkt technische und kommunikative Fähigkeiten durch Coaching und entscheidet über die Übernahme zusätzlicher Verantwortung.
Sie verantwortet die Projektergebnisse des Teams beim Bereitstellen quelloffener Modelle, Optimieren des Serving-Stacks und Benchmarken anhand der Kundenerfolgskriterien. Dazu gehören die Zeit vom PoC-Start bis zum ersten optimierten dedizierten Endpunkt, die Erfüllungsquote der Erfolgskriterien und die Qualität der technischen Kundenbeziehung nach dem Produktionsstart.
Sie prüft Benchmarkmethoden, Serving-Konfigurationen, Ergebnisse und Abschlussdokumente vor der Weitergabe an Kunden und erkennt methodisch irreführende Schlussfolgerungen aus Messartefakten. Aktuell technisch nicht erfüllbare Anforderungen benennt sie frühzeitig und belegt die fehlende Machbarkeit.
Sie organisiert Personalbesetzung und Eskalationsabdeckung über Kunden und Zeitzonen hinweg, einschließlich technischer Anfragen nach dem Verkauf außerhalb der Sprintplanung. Hindernisse macht sie früh sichtbar und verfolgt ihre Beseitigung mit Entwicklungs-, Produkt- und Geschäftsteams bis zum Abschluss.
Sie pflegt und erweitert Verantwortlichkeiten, Betriebsanleitungen, Leitfäden, Einarbeitungsunterlagen, Fertigstellungskriterien und Vorlagen für Projektabschlüsse und stellt deren tatsächliche Nutzung sicher. Dokumentation bleibt korrekt, zugänglich und verlinkt statt kopiert; der Tickettracker dient als verbindlicher Nachweis für PoC- und Produktionsstatus.
Sie definiert und berichtet Kennzahlen zur Geschwindigkeit und Zuverlässigkeit der Projektdurchführung. Wiederkehrende Kundenprobleme übersetzt sie mit Entwicklung und Forschung in priorisierte Plattformarbeit und vertritt technische Kundenanforderungen in der Roadmapplanung.
Sie grenzt mit dem Vorvertrieb Projektumfang und Umsetzung ab, widerspricht unzureichend abgegrenzten Projekten und meldet Erkenntnisse zur Machbarkeit zurück. Mit dem Account Management koordiniert sie Produktionsübergaben und technische Folgeanfragen; Geschäftsteams und Führung informiert sie über Kundenstatus, technische Machbarkeit und Kapazitätsbedarf.

Das solltest du mitbringen

Erforderlich

Erwartet werden die Fähigkeit, Mitarbeitende bei Bedarf anzutreiben, schwierige Entscheidungen bei ausbleibenden Ergebnissen zu treffen und Verantwortung für Dokumentation, die Einhaltung von Leitlinien und sorgfältige Ticketpflege zu übernehmen.
Erforderlich sind mindestens 3 Jahre Erfahrung in der Führung technischer Teams, einschließlich Leistungsmanagement und schwieriger Gespräche.
Erforderlich ist Erfahrung in der Führung eines kundennahen Teams, dessen Arbeit für Kunden sichtbar ist und sich nach Kundenterminen und Kundeneskalationen richtet.
Erforderlich sind fundierte ML-Kenntnisse zu LLM-Architekturen, Fine-Tuning mit SFT/LoRA und RL-basierten Ansätzen sowie Evaluationsdesign. Dazu kommen praktische Kenntnisse der Inferenzinterna einschließlich Quantisierung, KV-Cache-Verwaltung, Batching, Routing und spekulativer Dekodierung sowie der Frameworks vLLM, SGLang und TensorRT-LLM.
Erforderlich ist technisches Urteilsvermögen, um fremde Benchmarks zu prüfen und Fehler in der Methodik sowie in den Schlussfolgerungen zu erkennen.
Python-Kenntnisse müssen ausreichen, um den Code des Teams zu lesen und zu prüfen.
Erforderlich sind ausgezeichnete Kommunikationsfähigkeiten, um technische Konzepte unterschiedlichen Zielgruppen von technischen Fachkräften bis zur Geschäftsleitung verständlich zu erklären, auch unter Druck vor Unternehmenskunden.
Erwartet werden Bereitschaft zu operativer Arbeit mit Dokumentation, Prozessgestaltung und Berichterstattung sowie Ausdauer bei deren nachhaltiger Umsetzung.
Erwartet werden Sicherheit im Umgang mit Unklarheit in verteilten Teams über Zeitzonen hinweg und eine ausgeprägte Neigung zur schriftlichen Dokumentation.
Erforderlich ist eine Beschäftigungsberechtigung im Land der Bewerbung, die als Einstellungsvoraussetzung nachgewiesen werden muss.

Von Vorteil

Referenzen sowohl früherer Führungskräfte als auch früherer direkt unterstellter Mitarbeitender sind von Vorteil.
Von Vorteil ist Erfahrung mit schnellem Teamwachstum von 5 auf mindestens 15 Personen bei gleichbleibender Qualität der Projektdurchführung.
Von Vorteil ist frühere Erfahrung in einer kundennahen technischen Funktion bei einem Anbieter von Cloud-, Inferenz- oder KI-Infrastruktur.
Von Vorteil ist Erfahrung mit dem Aufbau von Prozessen und Dokumentation für ein Team, das zuvor über beides nicht verfügte.
Von Vorteil ist praktische Erfahrung mit dem Betrieb von LLMs in Produktion und der Fehlersuche bei Inferenzworkloads auf Frameworkebene.
Von Vorteil ist Erfahrung mit multimodalen KI-Modellen für Bild und Sprache sowie für Sprachverarbeitung.
Von Vorteil sind sichere Kenntnisse von DevOps-Werkzeugen wie Docker und Kubernetes sowie von Infrastructure as Code.
Zum bevorzugten technischen Stack gehören Python sowie vLLM, TensorRT-LLM, SGLang, Transformers und OpenAI-/Anthropic-SDKs.
Zum bevorzugten MLOps- und DevOps-Stack gehören Kubernetes (K8s), Docker und Git.
Bevorzugte Cloud-Plattformen sind AWS mit SageMaker und Bedrock, GCP mit Vertex AI sowie Azure mit Azure ML.

So ist Remote hier geregelt

Die Tätigkeit kann remote aus jedem EU-Land ausgeübt werden.

Das wird angeboten

Geboten werden eine wettbewerbsfähige Vergütung sowie Karriere- und Lernmöglichkeiten.
Die Rolle bietet Flexibilität, Eigenverantwortung und Gestaltungsspielraum bei KI-Projekten in einem internationalen, kooperativen und innovationsorientierten Umfeld.

So läuft die Bewerbung

Voraussetzung für die Einstellung ist ein Nachweis der Beschäftigungsberechtigung im jeweiligen Bewerbungsland.
Bei Bedarf sind Anpassungen im Bewerbungsverfahren möglich.

Veröffentlicht: 19.08.2026 · 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.