Über das Unternehmen
Wir sind ein innovatives Technologieunternehmen, das hochwertige Produkte und Lösungen entwickelt. Unser Fokus liegt auf der Operationalisierung von KI-/ML-Modellen und dem Aufbau skalierbarer Pipelines für den Einsatz in hybriden Cloud-/On-Premise-Umgebungen, einschließlich luftüberwachter und energiesparsamer Systeme.
Aufgaben
- Design und Implementierung von KI-/ML-Pipelines (Datenerfassung, Modelltraining, Bereitstellung) für hybride Cloud-/On-Premise- und Edge-Umgebungen
- Containerisierung (z.B. Docker, Podman) von KI-Anwendungen in enger Zusammenarbeit mit unseren KI-/ML-Ingenieuren
- Bereitstellung von Modellen in Cloud- und On-Premise-Infrastrukturen (z.B. Kubernetes, Azure)
- Optimierung unserer KI-Modelle für luftüberwachte und stromsparende Systeme
- Sicherstellung einer sicheren Modellbereitstellung unter Beachtung von MLOps-Best-Practices (z.B. ISO 42001)
- Optimierung der Modellleistung (Latenz, Genauigkeit) und Überwachung in der Produktion (Protokollierung, A/B-Tests) für Edge- und hybride Bereitstellungen
- Zusammenarbeit mit dem Vorbereitungsteam, um Prototypen für Edge-KI und eingeschränkte Umgebungen zu verfeinern
- Sicherstellung von Reproduzierbarkeit und Skalierbarkeit mithilfe von MLOps-Tools (z.B. MLflow) und Edge-spezifischen Frameworks
Anforderungen
- Bachelor- oder Masterabschluss in Informatik, Softwaretechnik, Elektrotechnik oder einem verwandten Bereich
- Mindestens 3 Jahre Praxiserfahrung als MLOps-Ingenieur in produktionsreifen Umgebungen
- Nachgewiesene Erfahrung mit Strategien für hybride Cloud-/On-Premise-Bereitstellungen (z.B. Azure, Kubernetes, Docker)
- Erfahrung bei der Bereitstellung von Modellen in luftüberwachten und stromsparsamen Umgebungen (z.B. Edge-Geräte, eingebettete Systeme)
- Proficieny in Python, Cloudplattformen und Containerisierung (Docker, Kubernetes, GitOps)
- Fundierte Kenntnisse von ML-Pipelines und CI/CD-Workflows
- Vertrautheit mit Edge-KI-Tools (z.B. TensorFlow Lite, ONNX)
- DevOps-Mentalität mit Fokus auf Automatisierung und Zuverlässigkeit
- Fähigkeit, sowohl Modell- als auch Infrastrukturprobleme zu beheben
- Fließende Englischkenntnisse erforderlich; Deutschkenntnisse sind von Vorteil