Machine Learning Engineer:in

• Konzeption, Entwicklung und produktiver Betrieb von Machine-Learning- und LLM-basierten Lösungen (z. B. Dokument- und Bildverarbeitung, Assistenzsysteme, Automatisierungen)
• Aufbau und Betrieb von On-Premises-Inferenz-Infrastruktur für KI-Modelle (Modell-Serving, Skalierung, Monitoring)
• Auswahl, Evaluierung, Anpassung (z. B. Fine-Tuning, Prompting-Strategien) und Qualitätssicherung von Modellen für konkrete Anwendungsfälle
• Nutzung, Mitgestaltung und Unterstützung des Betriebs der HPC-Infrastruktur für Trainings- und Rechenworkloads
• Aufbau von MLOps-Praktiken: Versionierung, Experiment-Tracking, automatisiertes Deployment und Monitoring von Modellen
• Mitgestaltung und Weiterentwicklung einer modernen, KI-unterstützten Entwicklungspipeline
• Enge Zusammenarbeit mit Data-Platform- und Backend-Engineering sowie mit Forschungsgruppen und Fachbereichen
• Berücksichtigung von Datenschutz-, Informationssicherheits- und ethischen Anforderungen beim Einsatz von KI

• Abgeschlossenes einschlägiges Master- oder Diplom-Studium (Universität/FH) oder vergleichbare Qualifikation (z. B. abgeschlossenes einschlägiges Bachelorstudium / Fachmatura (HTL) / akademische Lehrgänge mit Spezialkenntnissen)
• Mehrjährige Berufserfahrung in der Entwicklung und Produktivsetzung von Machine-Learning-Lösungen
• Sehr gute Python-Kenntnisse
• Praktische Erfahrung mit mindestens einem gängigen Deep-Learning-Framework (z. B. PyTorch, TensorFlow/JAX), idealerweise PyTorch
• Aktive, selbst umgesetzte DevOps-Erfahrung (z. B. CI/CD, Containerisierung, Deployment von Modellen oder Diensten in Produktionsumgebungen)
• Gute Englischkenntnisse (B2)
• Gute Deutschkenntnisse (B2), * Erfahrung mit HPC-Umgebungen und Workload-Managern, insbesondere Slurm
• Erfahrung mit LLM-Serving-Frameworks (z. B. vLLM, Ollama, Triton Inference Server) und dem Hugging-Face-Ökosystem
• Erfahrung mit Fine-Tuning-Verfahren (z. B. LoRA/PEFT) und systematischer Modell-Evaluierung
• Erfahrung mit Vision-Modellen bzw. multimodalen Modellen (Bild-/Dokumentverarbeitung, OCR)
• Kenntnisse in Rust oder einer weiteren Systemsprache für performancekritische Komponenten
• Erfahrung mit GPU-Infrastruktur (CUDA-Grundverständnis, Ressourcenplanung)
• Erfahrung mit Experiment-Tracking und MLOps-Werkzeugen (z. B. MLflow, Weights & Biases)
• Erfahrung mit Kubernetes bzw. Container-Orchestrierung
• Verständnis für Datenschutz (DSGVO) und verantwortungsvollen KI-Einsatz, idealerweise Grundkenntnisse zum EU AI Act
• Analytisches, strukturiertes Denkvermögen sowie ausgeprägtes Qualitäts- und Verantwortungsbewusstsein
• Sorgfältige, nachvollziehbare und experimentell-systematische Arbeitsweise
• Hohe Lernbereitschaft und Fähigkeit, sich selbständig in neue Modelle, Methoden und Werkzeuge einzuarbeiten
• Professionelles Auftreten sowie ausgeprägte Kommunikations- und Teamfähigkeit

• Top-Universität: Die Vetmeduni ist eine der führenden veterinärmedizinischen akademischen Bildungs- und Forschungsstätten Europas
• Stabiler Arbeitgeber
• Attraktiver Campus
• Persönliche und berufliche Aus- und Weiterbildungsmöglichkeiten
• Präventive und medizinische Gesundheitsförderung
• Diversitäts- und familienfreundliche Universitätskultur
• Kinderbetreuungs- und Ferienbetreuungsangebote
• Zahlreiche attraktive Zusatzleistungen
• Mitarbeiter:innenevents

Mindestentgelt

Das kollektivvertragliche Mindestentgelt für Arbeitnehmer:innen an Universitäten gemäß der oben angegebenen Einstufung beträgt EUR 3.450,30 brutto monatlich auf Basis Vollzeit (40 Stunden/Woche). Je nach fachlicher Qualifikation und tätigkeitsspezifischer Berufserfahrung ist eine höhere Vergütung möglich.