Machine Learning Engineer (m/w/d)

• LLM-Anwendungen bauen. Du entwickelst dialogbasierte Systeme und semantische Suche und integrierst sie in die fachlichen Anwendungen der Branchenlösung.
• RAG-Systeme aufsetzen und pflegen. Inklusive Wissensbasis-Management: Indexierung, Aktualisierung, saubere quellengetrennte Ablage von strukturierten und unstrukturierten Inhalten.
• Betrieb und Monitoring. MLOps im Produktivbetrieb: Observability, strukturiertes Logging, Fehleranalyse. Du sorgst dafür, dass die Systeme laufen, nicht nur, dass sie einmal liefen.
• Agenten produktiv setzen. Von der Entwicklung über die Integration und die Anbindung an Portalsysteme bis zur stabilen Auslieferung.
• Auf Datenbasis verbessern. Auf Basis von Monitoring-Daten, Tests und Nutzerfeedback machst du die Lösungen Schritt für Schritt besser.
• Neues erproben. Du identifizierst neue KI-Anwendungsfelder, probierst sie aus und baust die Datenpipelines von der Aufbereitung über die Modellerstellung bis in die Produktion.

Das musst du mitbringen

Die folgenden vier Punkte sind harte Voraussetzungen, jeder muss nachweisbar sein. Wenn einer davon fehlt, können wir dich leider nicht ins Rennen schicken. So ehrlich sind wir lieber vorab, als dir Zeit zu stehlen.

• Mindestens 3 Jahre Berufserfahrung als Machine Learning Engineer in Konzeption, Entwicklung, Implementierung und Optimierung skalierbarer ML-Lösungen.
• Mindestens 2 Jahre Erfahrung in agilen Entwicklerteams.
• Deutsch mindestens auf C1-Niveau in Wort und Schrift, nachweisbar über ein Sprachzertifikat oder als Muttersprache.
• Abgeschlossenes Studium der Informatik, Wirtschaftsinformatik oder eine vergleichbare Ausbildung, nachweisbar über Zeugnis oder Eigenerklärung.

Das bringst du idealerweise mit

Kein Muss, aber je mehr davon, desto besser:

• Vektorsuche und semantische Indexierung in Vektordatenbanken, idealerweise Milvus
• Backend-Entwicklung mit Python, vorzugsweise FastAPI
• LLM-Orchestrierung mit LangChain oder LangGraph
• Betrieb produktionsnaher KI-Systeme: Monitoring (idealerweise Grafana), strukturiertes Logging, Fehleranalyse, Deployment
• Datenschutzkonforme KI-Gestaltung, gerade beim Umgang mit personenbezogenen Daten in Logging und Observability
• GenAI im Einsatz für viele Nutzer, idealerweise in einem Multimandanten-Umfeld
• Kubernetes, ArgoCD, Jenkins
• Erfahrung mit agilen Lieferstrukturen, idealerweise SAFe
• Erfahrung aus Projekten der öffentlichen Verwaltung

Was wir bieten

• Echte Produktivprojekte. KI, die beim Kunden in Betrieb geht. Kein Innovation-Lab, keine Folien.
• Remote-first in der DACH-Region. Gelegentlich vor Ort, ansonsten arbeitest du von dort, wo du gut arbeitest.
• Moderner KI-Stack. RAG, Agenten, Vektorsuche, MLOps. Aktueller Stack, kein Legacy-Ballast.
• Internes Upskilling. Wir investieren in deine KI-Skills.
• MacBook, außer der Kunde stellt eigene Hardware.
• Flache Hierarchien. Die Gründer sind deine direkten Ansprechpartner.
• Ein Team, das sich kennt, auch bei verteiltem Arbeiten.