AI Engineer (m/w/d) ML Ops & GPU Computing T Hub

Deine Aufgabe Wir suchen einen erfahrenen AI Engineer , der für das Design, die Bereitstellung und die Wartung von AI/ML-Lösungen in Produktionsumgebungen verantwortlich ist. Die Rolle kombiniert Expertise in Machine Learning Engineering , MLOps und grundlegender Administration und Optimierung von GPU-Infrastruktur , die Modelltraining und Inferenz-Workloads unterstützt.

Hauptaufgaben

• Design und Entwicklung von AI- und Machine-Learning-Lösungen.
• Aufbau und Wartung von MLOps-Pipelines (CI/CD für ML-Modelle).
• Automatisierung von Modelltraining, Deployment und Monitoring-Prozessen.
• Management des End-to-End Machine Learning Lifecycle (ML Lifecycle Management).
• Enge Zusammenarbeit mit Data Scientists, Software Engineers und Business-Stakeholdern.
• Optimierung der Auslastung von Rechenressourcen, insbesondere GPU-basierter Umgebungen.
• Überwachung von Modellperformance, Qualität und Data Drift.
• Mitwirkung am Design von AI-Architekturen auf Cloud-Plattformen.
• Erstellung technischer Dokumentation und Etablierung von Engineering Best Practices.

Dein Profil

• Mindestens 3 Jahre Erfahrung in AI/ML-Projekten.

• Ausgeprägte Kenntnisse in Python.

• Praktische Erfahrung mit:

• PyTorch oder TensorFlow

• Scikit-learn

• Hugging Face

• Erfahrung mit MLOps-Technologien:

• MLflow

• Kubeflow

• Azure Machine Learning, Vertex AI oder SageMaker

• CI/CD-Tools (GitHub Actions, Azure DevOps, GitLab CI)

• Erfahrung mit Docker und Kubernetes.

• Praktische Erfahrung in der Arbeit mit verteilten AI/ML-Umgebungen und Compute-Clustern.

• Gutes Verständnis von Cloud-Plattformen (Azure, AWS oder GCP) oder On-Premise-Systemen.

• Verständnis von Workload-Orchestrierung, Ressourcenzuweisung und Skalierung für Machine-Learning-Workloads.

• Erfahrung mit Git und modernen DevOps-Praktiken.

• Englischkenntnisse auf B2-Niveau oder höher.

• Starke Eigenverantwortung und Verantwortlichkeit für gelieferte Lösungen.

• Fähigkeit, Geschäftsanforderungen in technische Implementierungen zu übersetzen.

• Analytische Denkweise mit problemlösungsorientiertem Ansatz.

• Leidenschaft für das Experimentieren mit neuen AI-Technologien.

• Ausgeprägte Organisations- und Kollaborationsfähigkeiten in agilen Umgebungen.

Von Vorteil

• Erfahrung mit LLMs und Generative-AI-Lösungen.
• Kenntnisse in RAG, Vector Databases und Agentic AI.
• Erfahrung mit cloudbasierten GPU-Plattformen (Azure AI, AWS EC2 P4/P5, GCP A3).
• Erfahrung im Management oder Betrieb von GPU-fähigen Kubernetes-Clustern.
• Erfahrung mit NVIDIA GPU Operator, KServe, Ray, Kubeflow oder ähnlichen Technologien.
• Verständnis von Cluster-Monitoring und Performance-Optimierung in AI-Umgebungen.
• Vertrautheit mit Spark, Databricks oder Ray.