> Markdown version of [/jobs/ext/3210234-ai-engineer-machine-learning-engineer](https://www.wearedevelopers.com/jobs/ext/3210234-ai-engineer-machine-learning-engineer). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# AI-Engineer / Machine Learning Engineer

- **Company:** Zwei Gmbh
- **Location:** Münster, Germany
- **Experience:** Starter
- **Contract:** Temporary contract
- **Skills:** Artificial Intelligence, Computational Linguistics, Linux, Integrated Development Environments, Python (Programming Language), Machine Learning, Tensorflow, Pytorch, Git, HuggingFace, Docker
- **Published:** September 10, 2026
- **Apply:** https://jobs.meinestadt.de/muenster-westfalen/standard?id=259991753

## About the Role

Machine Learning
Berufserfahrung
Englisch
Python
Docker
Computerlinguistik
Künstliche Intelligenz
Analyse
TensorFlow
Linguistik
GIT
Entwicklungsumgebungen
Linux
Forschung
Deutsch
Durchsetzungsvermögen
Offenheit
Teamfähigkeit
Engagement, * Abgeschlossene Ausbildung als Anwendungsentwickler, IT-Studium oder eine vergleichbare Qualifikation

 * Idealerweise 1-2 Jahre praktische Erfahrung im Bereich künstliche Intelligenz
 * Fundierte Python-Kenntnisse erforderlich
 * Erfahrung mit BERT, DialoGPT, DeepSpeed, Huggingface, PyTorch oder TensorFlow
 * Von Vorteil: Kenntnisse in Linguistik oder Computerlinguistik, Linux, Docker und Git
 * Sehr gute Deutsch- und Englischkenntnisse
 * Selbstständige Arbeitsweise, Teamfähigkeit und Hands-on-Mentalität
 * Begeisterungsfähigkeit und Leidenschaft für Technologie
 * Aufgeschlossenheit gegenüber neuen Technologien

## Description

Du brennst für künstliche Intelligenz und willst KI-Modelle nicht nur nutzen, sondern aktiv weiterentwickeln? Bei Zwei Löwen arbeitest Du als AI-Engineer an der Evaluation und dem Training von Machine-Learning-Modellen für den Kundenservice - in einem hybriden Arbeitsmodell aus unserem Büro in Münster.

 * Stetige Evaluation und Weiterentwicklung
 * Entwicklung neuer Trainingsstrategien
 * Gemeinsame Analyse im Team
 * Forschung und Erprobung