MLOps Engineer (m/w/d)

Einleitung

Du bringst KI-Modelle vom Prototyp in den produktiven Einsatz - skalierbar, robust und einsatzbereit für die reale Welt.

Aufgaben

• Du implementierst und pflegst ML-Pipelines für Datenaufnahme, Training und Deployment sowie CI/CD-Prozesse für Modelle.
• Du containerisierst und verpackst KI-Anwendungen für Cloud- und On-Premise-Umgebungen.
• Du bringst Modelle auf Kubernetes, Azure und Edge-Zielsystemen aus und optimierst sie hinsichtlich Latenz, Genauigkeit und Energieverbrauch.
• Du implementierst Monitoring, Logging, Drift-Detection und grundlegende A/B-Tests für produktive Modelle.
• Du stellst Reproduzierbarkeit und Experiment-Tracking über den gesamten Modell-Lebenszyklus sicher, einschließlich Versionierung und Metadaten.
• Du arbeitest eng mit AI/ML-Engineers zusammen, um Prototypen produktionsreif zu machen.
• Du bringst mehrjährige praktische Erfahrung im Bereich MLOps oder einer vergleichbaren Rolle mit, inklusive Erfahrung im Deployment von Modellen auf Cloud- und On-Premise-Infrastrukturen.
• Du verfügst über starke Python-Kenntnisse sowie Erfahrung mit Containerisierung (Docker/Podman), Orchestrierung (Kubernetes) und CI/CD/GitOps-Workflows (GitLab, Helm charts).
• Du hast Erfahrung mit ML-Lifecycle-Tools wie Experiment-Tracking, Modellversionierung und Monitoring sowie mit Deployment-Überlegungen für Edge- und Low-Power-Umgebungen.
• Du überzeugst durch eine ausgeprägte Automatisierungs- und Zuverlässigkeitsmentalität sowie starke Troubleshooting-Fähigkeiten über Infrastruktur- und Modellebenen hinweg.
• Du zeichnest dich durch Teamfähigkeit, Kommunikationsfähigkeit, Lernbereitschaft, analytisches Denken und Präsentationsfähigkeit aus.
• Sehr gute Deutschkenntnisse und sehr gute Englischkenntnisse in Wort und Schrift runden dein Profil ab.

Qualifikationen

• Du bringst mehrjährige praktische Erfahrung im Bereich MLOps oder einer vergleichbaren Rolle mit, inklusive Erfahrung im Deployment von Modellen auf Cloud- und On-Premise-Infrastrukturen.
• Du verfügst über starke Python-Kenntnisse sowie Erfahrung mit Containerisierung (Docker/Podman), Orchestrierung (Kubernetes) und CI/CD/GitOps-Workflows (GitLab, Helm charts).
• Du hast Erfahrung mit ML-Lifecycle-Tools wie Experiment-Tracking, Modellversionierung und Monitoring sowie mit Deployment-Überlegungen für Edge- und Low-Power-Umgebungen.
• Du überzeugst durch eine ausgeprägte Automatisierungs- und Zuverlässigkeitsmentalität sowie starke Troubleshooting-Fähigkeiten über Infrastruktur- und Modellebenen hinweg.
• Du zeichnest dich durch Teamfähigkeit, Kommunikationsfähigkeit, Lernbereitschaft, analytisches Denken und Präsentationsfähigkeit aus.
• Sehr gute Deutschkenntnisse und sehr gute Englischkenntnisse in Wort und Schrift runden dein Profil ab.

Kontakt und weitere Informationen

Wir freuen uns auf deine Bewerbung! Am besten online über das Bewerbungsportal. Bei Fragen stehen unser Chatbot Paul und das Recruiting-Team jederzeit gerne zur Verfügung.

Bei Rohde & Schwarz fördern wir Chancengleichheit und begrüßen Bewerbungen von Menschen mit und ohne Behinderung. Wir bieten eine inklusive Arbeitsumgebung, in der alle Menschen ihre Fähigkeiten und Talente entfalten können, unabhängig von Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Alter, sexueller Orientierung, Identität und anderen Merkmalen.

Bei Rohde & Schwarz entwickeln und produzieren wir Lösungen in den Bereichen Test & Measurement, Technology Systems sowie Networks & Cybersecurity – mit der Vision einer sicheren und vernetzten Welt. Von der Software bis zur Endfertigung gestalten unsere über 15.000 Mitarbeitenden Produkte und Systeme, die die technologische Souveränität unserer Kunden aus Wirtschaft, Behörden und hoheitlichem Umfeld sichern und weltweit Standards setzen. Unser Headquarter liegt zentral in München und ist zugleich unser Hauptentwicklungsstandort.