Platform Engineer – Robot Data Infrastructure (Mensch)

Deine Mission & Herausforderungen

Du entwirfst, baust und betreibst die End-to-End-Dateninfrastruktur, die rohe multimodale Sensoraufnahmen von Robotern in ML-fertige Datensätze verwandelt. An der Schnittstelle von Robotik, Edge Computing und Cloud Data Engineering verantwortest du die komplette Pipeline, von den physischen Datenerfassungsumgebungen bis zu trainingsfertigen Formaten für Robot Learning.

• Datenformate & Pipeline-Design: Du definierst und entwickelst interne Datenformate für multimodale Sensorstreams (Video, Tiefenbilder, Audio, Punktwolken, Gelenkzustände, Taktilsensorik) mit effizienter Kompression weiter.
• Edge-to-Cloud-Ingestion & Transformation: Du baust Services, die On-Premise-Aufnahmen orchestrieren, die Datenqualität validieren, große Datenmengen in die Cloud übertragen und Rohdaten in strukturierte, ML-taugliche Formate überführen.
• Infrastruktur-Automatisierung: Du stellst On-Premise-Rechenleistung per Infrastructure-as-Code bereit und betreibst sie. Außerdem kümmerst du dich um containerisierte Deployments und Rolling Updates über verteilte Standorte hinweg.
• Platform Services & Tooling: Du entwickelst Backend-Services (TypeScript, Python), Shared Libraries, CLI-Tools und Entwicklerdokumentation.
• Multi-Agent-Annotation: Du orchestrierst Vision-Language-Agenten, die multimodale Episoden im großen Maßstab automatisch annotieren, mit Human-in-the-Loop-Review, damit die Labels trainingsfertig bleiben.
• Cross-funktionale Zusammenarbeit: Du arbeitest eng mit Hardware-, Robotik- und AI/Data-Science-Teams zusammen, koordinierst das Onboarding neuer Sensormodalitäten und verfolgst Data-Throughput-KPIs.

Was du mitbringst

• Backend-Engineering: Starke Python- und TypeScript-Kenntnisse in produktiven Backend-Systemen.
• Cloud: Praktische Cloud-Erfahrung, idealerweise mit AWS.
• Robotik-Middleware: Erfahrung mit ROS 2/DDS oder vergleichbarer Robotik-Middleware.
• Codecs: Vertrautheit mit Video- und Audio-Codecs sowie Kompression (FFmpeg, PyAV, H.264/AV1).
• Infrastructure-as-Code: Ansible, Docker und Terraform für das Flottenmanagement.
• DevOps-Mindset: Dir sind CI/CD, Automatisierung und auslieferbare Software wichtig.
• ML-Datenpipelines: Interesse an oder Erfahrung mit ML-Datenpipelines und Robot Learning.