Senior-Engineer für maschinelles Lernen und eingebettete KI

Arbeitszeit: Vollzeit
Erfahrung: Erwartet werden 5–8 Jahre Erfahrung sowie praktische Erfahrung im Aufbau und Betrieb skalierter ML-Produktionssysteme und fundierte Erfahrung in mehreren ML-Bereichen.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle verantwortet produktintegrierte ML-Lösungen für Buchhaltungsaufgaben von der Problemdefinition bis zum laufenden Betrieb. Gemeinsam mit Produktteams, Engineering und Buchhaltungsfachleuten verbessert sie Automatisierung, Qualität und Nutzervertrauen.

Deine Aufgaben

Die Rolle entwickelt und implementiert ML-Systeme für Dokumentenverständnis, Extraktion, Klassifikation, Abgleich, Ranking, Scoring und Empfehlungen sowie Assistenz- und Automatisierungsfunktionen für Buchhaltung und Revision.
Sie verantwortet Problemdefinition, Daten- und Labelingstrategie, Baselines, Training, Evaluation, Bereitstellung, Experimente, Überwachung und Wartung. Je nach Problem wählt sie den einfachsten verlässlichen Ansatz aus deterministischer Logik, klassischem ML, Deep Learning oder generativer KI.
Sie nutzt Nutzerkorrekturen, Produktionsfehler und Fehleranalysen zur Verbesserung von Datensätzen, Modellen und Produktverhalten. Sie definiert Kennzahlen für Präzision, Trefferquote, Automatisierungsabdeckung, vollständig automatisierte Verarbeitung, menschliche Korrekturrate, Latenz und Kosten.
Sie klärt mit Produktteams, Engineering und Buchhaltungsfachleuten Arbeitsabläufe und fachliche Korrektheit und integriert ML in die Nutzererfahrung.
Sie verbessert wiederverwendbare Komponenten, Experimente, Beobachtbarkeit, Datenqualität sowie zuverlässige Trainings- und Inferenzpipelines. Neue ML- und KI-Verfahren einschließlich multimodaler und generativer Modelle setzt sie bei messbarem Nutzen ein.
Innerhalb eines Monats arbeitet sie sich in Nutzerbedürfnisse, Buchhaltungsabläufe, KI-Ausrichtung, ML-Stack, Produktionssysteme, Datensätze, Kennzahlen und Arbeitsweisen ein. Sie lernt die Ansprechpersonen aus Produkt und Engineering kennen und trägt zu einer ersten abgegrenzten Verbesserung bei.
Innerhalb von 3 Monaten übernimmt sie einen eingebetteten KI-Anwendungsfall vollständig mit Offline- und Produktionskennzahlen und liefert eine wesentliche Verbesserung einer Assistenz- oder Automatisierungsfunktion. Sie wird mit Python, PyTorch, PySpark, Redshift, Airflow, AWS SageMaker und Monitoring-Werkzeugen vertraut und priorisiert weitere Iterationen anhand von Nutzerfeedback und Fehleranalysen.
Innerhalb von 6 Monaten leitet sie größere teamübergreifende ML-Projekte, gestaltet die Roadmap mit und verbessert Zuverlässigkeit, Automatisierungsabdeckung und Wartbarkeit eines oder mehrerer Produktionssysteme. Sie vermittelt bewährte Verfahren; später bestehen Möglichkeiten zum Mentoring neuer Teammitglieder, zur Leitung größerer Produktinitiativen und zur Mitgestaltung technischer Standards.

Das solltest du mitbringen

Erforderlich

Erwartet werden 5–8 Jahre Erfahrung und sehr gute Python-Kenntnisse.
Erwartet wird praktische Erfahrung im Aufbau und Betrieb von ML-Systemen im großen Maßstab in Produktion; ausschließliches Modelltraining oder die Arbeit mit Notebooks reichen dafür nicht aus.
Die Fähigkeit wird erwartet, unklare Produktprobleme zu strukturieren, eine Baseline festzulegen und vor der Modelloptimierung geeignete Kennzahlen auszuwählen.
Erwartet wird fundierte Erfahrung in mehreren der folgenden Bereiche: Dokumenten-KI, NLP, Klassifikation, Ranking, Empfehlungssysteme, Anomalieerkennung, Deep Learning oder generative KI.
Datenqualität, Beobachtbarkeit, Fehlerverhalten, Kosten und langfristige Wartbarkeit sollen ebenso wichtig sein wie die Modellleistung.
Erwartet werden ausgewogene technische, betriebswirtschaftliche und produktbezogene Fähigkeiten sowie gute Kommunikation mit Softwareentwicklung, Produktmanagement und nichttechnischen Fachleuten.
Fließendes Englisch wird erwartet; Französisch ist nicht verpflichtend.

Von Vorteil

Erfahrung mit Buchhaltung, Fintech oder anderen Geschäftsabläufen mit hohen Vertrauensanforderungen ist von Vorteil.
Erfahrung mit Systemen mit menschlicher Einbindung, Active Learning oder dem Lernen aus Nutzerkorrekturen ist von Vorteil.
Erfahrung im Betrieb skalierter ML-Systeme unter strengen Vorgaben für Latenz, Zuverlässigkeit oder Kosten ist von Vorteil.
Vertrautheit mit multimodalen oder generativen Modellen für Dokumentenverständnis ist von Vorteil.

Das wird angeboten

Ein strukturiertes Onboarding führt in Nutzerbedürfnisse, Buchhaltungsabläufe, KI-Ausrichtung und technische Systeme ein.
Mit dem weiteren Teamwachstum bestehen Entwicklungsmöglichkeiten durch Mentoring, die Leitung größerer Produktinitiativen und die Mitgestaltung technischer Standards.

So läuft die Bewerbung

Das Verfahren beginnt mit einem Gespräch mit der für Personalgewinnung zuständigen Person.
Ein Fallstudiengespräch dauert 75 Minuten und behandelt Problemdefinition, Daten, Modellierung, Evaluation, Bereitstellung und Monitoring.
Ein 60-minütiges Gespräch über ein früheres Projekt behandelt Erfahrungen und technische Entscheidungen. Ein weiteres Gespräch mit Führungskräften aus Technik und Produkt zur Unternehmenskultur dauert 30 Minuten.
Bewerbungsdaten werden zur Bearbeitung der Bewerbung und zur Eignungsprüfung verarbeitet. Bei erfolgloser Bewerbung können sie bis zu 2 Jahre ab dem letzten Austausch oder dem Abschluss des Rekrutierungsverfahrens für einen Kandidatenpool gespeichert werden.
Der Speicherung kann jederzeit widersprochen und die Löschung der Daten beantragt werden.

Veröffentlicht: 09.09.2026 · 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.