Unser Kunde sucht einen erfahrenen Senior MLOps / DevOps Engineer mit Schwerpunkt auf Computer Vision, um das Team bei der Entwicklung und dem Betrieb innovativer KI-Lösungen zu unterstützen. In dieser Rolle sind Sie verantwortlich für die Konzeption, Implementierung und Wartung von Softwarelösungen sowie Cloud-Infrastrukturen, die für das Training, Management und Deployment von Computer-Vision-Datensätzen und -Modellen erforderlich sind. Sie werden Deployment-Pipelines entwerfen und optimieren, um eine nahtlose Integration und Skalierung von Machine-Learning-Modellen zu gewährleisten. Die enge Zusammenarbeit mit unseren AI Engineers ist entscheidend, um die Effizienz in der Entwicklung, dem Training und dem Deployment von KI-Modellen zu steigern. Zudem entwickeln und verwalten Sie ML-Pipelines und stellen durch sauberes Software Engineering sicher, dass diese in Produktionsumgebungen stabil laufen. In dieser Position tragen Sie aktiv dazu bei, eine robuste, sichere und performante Infrastruktur für unsere KI-Lösungen im großen Maßstab aufzubauen. Sie arbeiten in einem dynamischen, innovativen Umfeld, in dem Ihre Ideen und Ihr Fachwissen geschätzt werden und Sie die Möglichkeit haben, Ihre Fähigkeiten kontinuierlich weiterzuentwickeln.

Der ideale Kandidat bringt eine solide Basis im Software Engineering und Machine Learning mit und hat mindestens 3 Jahre Berufserfahrung in den Bereichen MLOps, DevOps oder Data Engineering. Sie sind ein Python-Experte und haben eine Leidenschaft für sauberen, wartbaren und gut getesteten Code. Erfahrung mit der ML-Library PyTorch ist von Vorteil. Zudem sind Sie sicher im Umgang mit Docker und Kubernetes und beherrschen Infrastructure as Code mit Terraform. Praktische Erfahrung mit einem großen Cloud-Provider (AWS, GCP oder Azure) sowie im Aufbau und Management von CI/CD-Pipelines ist unerlässlich. Ein grundlegendes Verständnis von Deep Learning und KI-Workflows wird erwartet. Idealerweise haben Sie bereits mit MLOps-Tools wie MLflow, Kubeflow oder Cloud-Lösungen wie SageMaker/Vertex AI gearbeitet. Erfahrung mit Monitoring- und Observability-Stacks (z. B. Prometheus, Loki, Grafana) sowie ein Verständnis der DevOps-Prinzipien sind ebenfalls wichtig. Sie zeichnen sich durch eine proaktive, zuverlässige und eigenständige Arbeitsweise aus und sind in der Lage, komplexe technische Herausforderungen mit pragmatischen, skalierbaren Lösungen zu meistern.