Das Unternehmen ist stolz darauf, als TOP ARBEITGEBER 2025 ausgezeichnet worden zu sein. Wir bauen auf eine Erfolgsgeschichte, die vor über 40 Jahren begann, und kombinieren technologische Expertise mit einer Leidenschaft für Innovation. In dieser spannenden Position als Senior Machine Learning Engineer (m/w/d) am Hauptsitz in Böblingen werden Sie Teil eines globalen Teams, das Lösungen für verteilte faseroptische Sensorik (DFOS) entwickelt. Diese Lösungen helfen, kritische Infrastrukturen zu optimieren, Menschen zu schützen und die Umwelt zu bewahren. Sie nutzen faseroptische Kabel als kontinuierliche Sensoren und kombinieren moderne Photonik, Messtechnik und Maschinenlernen, um zuverlässige Echtzeit-Einblicke zu liefern. In dieser Rolle spielen Sie eine zentrale Rolle bei der Entwicklung von Lösungen, die weltweit eingesetzt werden. Sie arbeiten in einem kollaborativen, interdisziplinären Ingenieureumfeld, das technischen Anspruch, langfristige Qualität und praktische Innovation schätzt. Ihre Aufgaben umfassen die Umsetzung von Machine Learning-Prototypen in robuste Produkte für die Echtzeitanalyse von Messungen auf Edge-Geräten und Backend-Systemen. Sie leiten das Design und die Implementierung skalierbarer ML-Pipelines und Datenverarbeitungs-Komponenten für die Analyse großer Sensordatenmengen und treiben die besten Ingenieurpraktiken im Team voran. Darüber hinaus bauen Sie CI/CD-Workflows und automatisierte Tests für ML-Anwendungen auf und stellen deren Zuverlässigkeit und Reproduzierbarkeit sicher. Die enge Zusammenarbeit mit Datenwissenschaftlern, Plattformingenieuren, Dateningenieuren und Fachexperten ist ebenfalls ein wichtiger Bestandteil Ihrer Tätigkeit, um die Systemarchitektur zu gestalten und sicherzustellen, dass ML-Lösungen nahtlos in die gesamte Produktlandschaft integriert werden.

Der ideale Kandidat verfügt über einen technischen Abschluss in Informatik, Maschinenlernen oder einem verwandten Bereich oder bringt gleichwertige praktische Erfahrung mit. Sie haben mehr als 5 Jahre Berufserfahrung in der Softwareentwicklung oder im Maschinenlernen, einschließlich Erfahrung mit produktiven ML- oder anderen datenintensiven Systemen. Hervorragende Programmierkenntnisse in Python sind unerlässlich, ebenso wie die Fähigkeit, strukturierten, wartbaren und effizienten Code zu schreiben. Darüber hinaus sollten Sie fortgeschrittene Programmierkenntnisse in mindestens einer statisch typisierten Sprache (z. B. C++, Rust, Go, Java) mitbringen. Ein tiefes Verständnis des MLOps-Lebenszyklus, einschließlich Daten- und Modellversionierung, Bereitstellung, Überwachung und kontinuierlicher Verbesserung, ist ebenfalls erforderlich. Erfahrung mit Containern (Docker) und CI/CD-Pipelines sowie moderne Testpraktiken für ML-gesteuerte Systeme sind von Vorteil. Idealerweise haben Sie Erfahrung mit dem Betrieb von ML-basierten Anwendungen in der Produktion, einschließlich der Überwachung der Modellqualität, Drift-Erkennung und Vorfallbearbeitung. Kenntnisse im Bereich Echtzeit- oder nahezu Echtzeitanwendungen, Streaming-Daten oder IoT-Szenarien sind wünschenswert, ebenso wie ein Verständnis der Einschränkungen von Edge-Deployments.