Das bringst du mit

  • Ein Informatikstudium, ein technischer Studiengang mit Informatikbezug oder eine vergleichbare Ausbildung bilden dein Fundament.
  • In den vergangenen Jahren hast du praktische Erfahrungen im Bereich Infrastruktur, DevOps oder MLOps
  • Du kennst dich also aus mit CI/CD-Pipelines, dem Aufsetzen von Model-Lifecycle-Lösungen und der Bereitstellung und Wartung von ML-Modellen.
  • Docker und Kubernetes sind dir ebenso vertraut wie Linux und Bash.
  • Du hast Erfahrung in der Einbindung von Tools aus den Bereichen Data Version Control (z. B. DVC) und Experiment Tracking (z. B. MLflow).

Das erwartet dich bei uns

  • Wenn du loslegst, erhältst du zunächst Einblick in die Strukturen und Prozesse sowie in die Produktlandschaft.
  • Von deiner Ansprechperson wirst du in den Status-Quo eingeführt und in die zukünftigen Pläne für deinen Bereich. Dabei verfolgen wir einen Hands-On-Ansatz abgestimmt auf deine individuellen Voraussetzungen.
  • So kommst du schnell ins Tun und entwickelst die Infrastruktur zur Unterstützung von Model-Lifecycle-Lösungen und sicherst deren Betrieb.
  • Du verantwortest die Bereitstellung entwickelter Modelle als Teil von Softwarelösungen für unsere Kunden.
  • Du übernimmst die Überwachung und Fehlerbehebung von Modell-Deployments in der Produktion.
  • Du automatisierst Prozesse zur Wartung und Skalierung unserer ML-Lösungen.
  • Mit unseren Teams für Research und Development arbeitest du eng zusammen an automatisierten Lösungen.
  • Deine Deutsch- und Englischkenntnisse sind sehr gut in Wort und Schrift.

Nice to have

  • Erfahrung im Umgang mit ML-Plattformen und ML-Services wie AWS, Azure ML oder Google AI Plattform
  • Erfahrung mit der Atlassian Suite
  • Erfahrung mit IT-Security-Themen
  • Erfahrung im agilen Umfeld