> Markdown version of [/jobs/ext/4020910-senior-machine-learning-data-engineer-ki-fur-autonome-systeme](https://www.wearedevelopers.com/jobs/ext/4020910-senior-machine-learning-data-engineer-ki-fur-autonome-systeme). 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).

---

# (Senior) Machine Learning & Data Engineer - KI für Autonome Systeme

- **Company:** Tesat-Spacecom GmbH & Co. KG
- **Location:** Backnang, Germany
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Systems Engineering, C++ (Programming Language), Continuous Integration, DevOps, Python (Programming Language), Machine Learning, Open Source Technology, Edge Inference, Pytorch, Multi-Cloud, Gitlab, Kubernetes, Information Technology, ONNX (Open Neural Network Exchange) Format, Machine Learning Operations, TensorRT, KServe
- **Published:** October 30, 2026
- **Apply:** https://ag.wd3.myworkdayjobs.com/wday/cxs/ag/global/job/Stuttgart-Area/Machine-Learning---Data-Engineer--m-f-d----AI-for-Autonomous-Systems_JR10365945

## About the Role

Sie bewegen sich sicher an der Schnittstelle von Machine Learning und DevOps, mit klarem Schwerpunkt auf der ML-Seite.

 * Abgeschlossenes Studium im MINT-Bereich, z.B. Informatik, Mathematik, Elektrotechnik, Luft- und Raumfahrttechnik oder Künstliche Intelligenz
 * Berufserfahrung in MLOps oder ML Engineering mit Modellen und Plattformen, die aktiv für produktive Systeme genutzt werden
 * Fundiertes ML-Verständnis: Sie wissen, wie Modelle trainiert, evaluiert und verbessert werden, und haben Praxis mit PyTorch und gängigen Formaten wie ONNX.
 * Sehr gute Python-Kenntnisse und Freude an sauberer, wartbarer Software, C++ Kenntnisse sind wünschenswert.
 * Erfahrung mit Kubernetes, CI/CD und MLOps-Tools, etwa GitLab, Kubeflow, MLflow, KServe und Artifact Registries
 * Wünschenswert ist Erfahrung in mindestens einem der folgenden Bereiche: Erfahrung mit Modelloptimierung für Edge-Inferenz (z.B. TensorRT, Quantisierung), Hardware-in-the-Loop Umgebungen, Simulationsumgebungen und synthetischen Daten sowie verteiltem Training auf GPU-Clustern.
 * Systemdenken: Sie denken in Gesamtlösungen statt in Einzelteilen und behalten auch dann den Überblick, wenn Modelle aus vielen Quellen zusammenkommen.
 * Teamgeist und Gestaltungslust: Sie kommunizieren klar und haben Lust, eine Plattform mitzugestalten, die noch im Entstehen ist.
 * Verhandlungssicher in Deutsch und Englisch

## Description

Sie sorgen dafür, dass aus ML-Modellen einsatzfähige Bausteine für autonome UAVs werden, über alle Domänen hinweg, von der Perception bis zur Entscheidungsfindung. Dabei können folgende Aufgaben in Ihrem Verantwortungsbereich (je nach Erfahrung) liegen.

 * Ganzheitliche ML-Integration: Ob intern entwickelt oder aus Open Source, Sie schaffen in Abstimmung mit dem Team einheitliche Wege, Modelle zu übernehmen, zu bewerten und in den End-to-End-Autonomie-Stack einzubinden.
 * Plattformaufbau: Sie gestalten unsere MLOps-Plattform aktiv mit und bauen auf vorhandenen Bausteinen wie Kubernetes, MLflow und GitLab auf.
 * Pipelines für Training, Evaluierung und Deployment entwickeln Sie so, dass sie sowohl in Multi-Cloud-Umgebungen als auch auf unserem internen, abgeschotteten Cluster zuverlässig laufen.
 * Reproduzierbarkeit und Nachvollziehbarkeit stellen Sie über den gesamten Modelllebenszyklus sicher, von Daten- und Modellversionierung über Experiment-Tracking bis zur Model Registry.
 * Evaluierung und Testing: Sie entwickeln gemeinsam mit anderen Teams wie DevOps und Simulation Umgebungen, in denen die Qualität von Modellen systematisch und vergleichbar messbar ist.
 * Optimierung für Zielhardware: Sie unterstützen beim Aufsetzen von Pipelines zur Modelloptimierung und Verbesserung der Inferenz-Performance.
 * Brücke zwischen den Teams: Sie arbeiten eng mit ML-Entwickler:innen, Software- und Systemengineering sowie dem Infrastrukturbetrieb zusammen und tragen die Perspektive "ML in Produktion" in alle Teams.