remotefruitRemote nach Länderfreigabe
Senior Engineer für angewandte KI-Lösungen
- Arbeitszeit
- Nicht angegeben
- Erfahrung
- Erforderlich ist praktische Erfahrung mit großen Modellen, verteiltem Training, produktiven RAG- oder Agenten-Pipelines, GPU-Inferenz und Enterprise-ML-Teams.
- Vergütung
- Gehalt nicht angegeben
Die Rolle in Kürze
Die Rolle verbindet praktisches ML-Engineering mit Produktentwicklung und beschleunigt den Kundeneinstieg während der ersten 90 Tage. Etwa die Hälfte der Tätigkeit entfällt auf praktische Kundenbegleitung, die andere Hälfte auf Prototypen, neue KI-Verfahren und Produktempfehlungen in Zusammenarbeit mit Vertrieb, Produkt- und Engineeringteams. Es handelt sich nicht um eine Presales-Rolle.
Deine Aufgaben
- Die Rolle entwickelt Prototypen und vorführbare Demos für serverlose Inferenz, Datenbanken, MLflow, MLOps sowie Anwendungen in Physical AI und HCLS für Vertrieb, Produkt- und Engineeringteams.
- Sie begleitet neue Kunden während der ersten 90 Tage bei POC-Konzeption, technischem Onboarding und Validierung bis zum Produktivbetrieb und verbindet deren ML-Teams mit der Plattform.
- Sie untersucht neue Trainingsverfahren, Inferenzoptimierungen, agentische Architekturen und Frameworks und überführt Erkenntnisse in funktionsfähige Prototypen, Ausarbeitungen und Produktempfehlungen.
- Sie liefert konkrete Rückmeldungen für die Produkt-Roadmap, etwa zu Problemen aus drei Kunden-POCs des Vormonats und den daraus erforderlichen Änderungen.
- Sie erstellt wiederverwendbare Notebooks, Referenzarchitekturen und Benchmark-Ergebnisse, um das technische Onboarding auch bei wachsender Kundenzahl zu erleichtern.
- Nach 12 Monaten sollen eine Bibliothek ausgereifter Demos, deutlich schnellere Wertschöpfung bei begleiteten Unternehmenskunden und mindestens 2–3 ausgelieferte Produktänderungen aus eigenem Feedback erreicht sein. Zudem soll das Team durch ihre Erkenntnisse KI-Entwicklungen der kommenden 6–12 Monate besser verstehen.
Das solltest du mitbringen
Erforderlich
- Praktische Erfahrung im Fine-Tuning großer Modelle, im Debugging verteilter Trainingsjobs, im Aufbau produktiver RAG- oder agentischer Pipelines und in der Inferenzoptimierung auf GPU-Infrastruktur ist erforderlich; rein theoretische Kenntnisse reichen nicht aus.
- Sicherer Umgang mit PyTorch, HuggingFace, CUDA-Grundlagen, Kubernetes für ML, MLflow oder einer gleichwertigen Lösung sowie Vektordatenbanken ist erforderlich.
- Erfahrung in der Zusammenarbeit mit Enterprise-ML-Teams ist erforderlich, beispielsweise im Solutions Engineering, Customer Engineering oder als ML Engineer mit enger Kundenzusammenarbeit.
- Erwartet wird, wissenschaftliche Veröffentlichungen aus eigenem fachlichem Interesse zu lesen und umzusetzen, um das eigene Wissen aktuell zu halten.
- Erforderlich ist adressatengerechte Kommunikation, die sowohl technische Abwägungen beim Activation Checkpointing gegenüber ML-Fachleuten als auch deren Kostenfolgen gegenüber einer technischen Geschäftsleitung verständlich erklärt.
- Eine Arbeitsberechtigung im jeweiligen Bewerbungsland ist erforderlich und muss als Voraussetzung für die Einstellung nachgewiesen werden.
Von Vorteil
- Von Vorteil ist Erfahrung in Physical AI, Robotik oder Simulation, in HCLS mit Wirkstoffforschung, medizinischer Bildgebung oder klinischer Sprachverarbeitung oder in der Entwicklung von KI-Anwendungen für Unternehmen.
- Von Vorteil ist Vertrautheit mit MLOps in großem Maßstab, einschließlich Kubeflow, Metaflow, Argo und Ray.
- Frühere Tätigkeit bei einem Cloudanbieter oder einem Unternehmen für KI-Infrastruktur ist von Vorteil.
- Von Vorteil ist die öffentliche Veröffentlichung technischer Arbeiten, etwa tatsächlich genutzter Notebooks, Vorträge oder Blogbeiträge.
Weitere Angaben
- Zur Rolle passen Freude am Wechsel zwischen tiefer Arbeit am MLOps-Stack von Kunden und dem Aufbau neuer Demos sowie der Wunsch, mit technischer Expertise Produktentscheidungen über Geschäftsabschlüsse hinaus zu beeinflussen.
Das wird angeboten
- Die Grundvergütung liegt zwischen 200 und 350.000 USD. Die konkrete Vergütung richtet sich nach Erfahrung, Fähigkeiten, Qualifikationen, Einstufung und geografischem Standort im Rahmen des geltenden Rechts.
- Ein umfassendes Zusatzleistungspaket sowie berufliche Entwicklungs- und Lernmöglichkeiten werden angeboten.
- Flexible Arbeitsarrangements und eigenverantwortliches Arbeiten werden angeboten.
- Die Tätigkeit bietet KI-Projekte in einem internationalen, kollaborativen Umfeld mit Gestaltungsspielraum für Eigeninitiative und Innovation.
So läuft die Bewerbung
- Als Voraussetzung für die Einstellung ist ein Nachweis der Arbeitsberechtigung im jeweiligen Bewerbungsland erforderlich.
- Bei Bedarf sind Anpassungen im Bewerbungsverfahren vorgesehen.
Veröffentlicht: 16.03.2026 · 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.