Machine-Learning-Engineer für MLOps und Plattform-Engineering

Arbeitszeit: Vollzeit
Erfahrung: Mindestens drei Jahre einschlägige Industrie- oder Forschungserfahrung sowie Erfahrung mit der Produktivsetzung von Softwarediensten oder Datenpipelines werden erwartet.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle baut und betreibt eine Plattform, die Trainingsdaten und Modelle nachvollziehbar verwaltet und zuverlässig in Produktion bringt. Sie unterstützt KI-Engineering und Data Science mit reproduzierbaren Arbeitsabläufen und stimmt Schnittstellen sowie Rollouts mit dem Cloud-Team ab. Modellierung, Datenkuratierung und die Bewertung der Modellqualität liegen bei KI-Engineering und Data Science.

Deine Aufgaben

Datenpipelines entwickeln, die Trainingsdaten und Modelle versionieren, nachverfolgen und verwalten sowie Reproduzierbarkeit und Datenherkunft sicherstellen.
Den Modelllebenszyklus vom Experiment bis zur Produktion mit Versionierung, Modellregister, Freigabestufen und wiederholbarem Training sowie Deployment aufbauen.
Monitoring einrichten, das nachlassende Modellleistung und eingehende Daten außerhalb des geeigneten Modellbereichs für das KI-Team sichtbar macht.
Workflows und Werkzeuge bereitstellen, mit denen KI-Engineering und Data Science Modelle trainieren, evaluieren und bereitstellen können.
Den produktiven AWS-Dienst für KI-Modelle betreiben, skalieren und schnell sowie zuverlässig halten. Mit wachsendem Bedarf kann er beispielsweise von einem Modell auf mehrere auswählbare, zugriffsbeschränkte oder nutzerspezifische Modelle erweitert werden.
Schnittstellen und Rollouts neuer Funktionen gemeinsam mit dem Cloud-Team gestalten, dessen Simulationsplattform den KI-Dienst hauptsächlich nutzt.
Im Rahmen der Plattformarbeit auch Aufgaben der klassischen Software- und Infrastrukturentwicklung übernehmen.
Arbeitsweisen für den Einsatz moderner Entwicklungswerkzeuge mitgestalten.

Das solltest du mitbringen

Erforderlich

Erwartet werden ein fachlicher Hintergrund in Informatik, Data Engineering, Machine Learning oder einem verwandten Gebiet sowie mindestens drei Jahre einschlägige Erfahrung in Industrie oder Forschung.
Erwartet werden starke Python-Kenntnisse und solide Grundlagen der Softwareentwicklung einschließlich Tests, Versionsverwaltung und CI/CD.
Erfahrung damit, Softwaredienste oder Datenpipelines in Produktion zu bringen, wird erwartet.
Erwartet werden Erfahrung mit einer Cloud-Umgebung, beispielsweise AWS, Azure oder GCP, sowie mit Containerisierung durch Docker.
Erwartet werden pragmatisches, zuverlässigkeitsorientiertes Arbeiten und der Fokus auf Systeme, die dauerhaft funktionieren.
Coding-Agenten sollen regelmäßig zur Entwicklung gehören und systematisch optimiert werden. Erwartet werden die laufende Verbesserung von Kontext, Werkzeugen und Arbeitsabläufen sowie ein klares Verständnis ihrer Stärken und Grenzen.
Englisch wird als Arbeitssprache vorausgesetzt und reicht für die Tätigkeit aus; Deutschkenntnisse sind von Vorteil. Die bislang überwiegend deutschsprachige Arbeitskultur befindet sich im Übergang zum Englischen.

Von Vorteil

Erfahrung mit ML-Systemen im produktiven Betrieb ist besonders willkommen.
Berührungspunkte mit wissenschaftlichem Rechnen, Simulationsdaten oder HPC-Umgebungen sind wünschenswert.
Kenntnisse in Experimentverfolgung und Werkzeugen zur Modell- oder Datenversionierung, beispielsweise MLflow, Weights & Biases oder DVC, sind wünschenswert.
Kenntnisse in Workflow-Orchestrierung mit Airflow, Prefect oder vergleichbaren Werkzeugen sind wünschenswert.
Erfahrung mit der Bereitstellung von KI-Modellen außerhalb der Cloud ist wünschenswert, einschließlich rein CPU-basierter On-Premises- oder Edge-Ziele und hybrider Konfigurationen.
Kenntnisse in Inferenzoptimierung durch Quantisierung, Pruning und effiziente Architekturen sind wünschenswert.
Kenntnisse des AWS-Stacks mit S3, EC2, ECR und SageMaker sowie von Infrastructure as Code mit Terraform sind wünschenswert.
Erfahrung im Aufbau interner Plattformen oder Werkzeuge, auf denen andere Entwickler aufbauen, ist wünschenswert.

Weitere Angaben

Nicht alle Kriterien müssen erfüllt sein; wichtig sind das Bewusstsein für eigene Wissenslücken und ein Verständnis dafür, wie sie geschlossen werden können.

So ist Remote hier geregelt

Remote-Arbeit ist von überall innerhalb Deutschlands möglich; alternativ kann im Büro oder hybrid gearbeitet werden. Gelegentliche Reisen zu Teamveranstaltungen und Vor-Ort-Terminen gehören dazu.
Gelegentliche Reisen zu Teamveranstaltungen und Vor-Ort-Terminen sind vorgesehen.

Das wird angeboten

Mit dem Wachstum von Plattform und Team kann die Verantwortung über den anfänglichen Aufbau zentraler Plattformteile hinaus wachsen.
Die Rolle bietet Einfluss auf Produkt und Geschäft in einem Unternehmen mit etwa 40 Personen.
Moderne Entwicklungs- und Zusammenarbeitswerkzeuge einschließlich Coding-Agenten stehen zur Verfügung; ihre Nutzung kann mitgestaltet werden.
Direktes Feedback und eigenständiges Arbeiten ohne Mikromanagement gehören zur Arbeitskultur.

Veröffentlicht: Datum unbekannt · 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.