> Markdown version of [/jobs/ext/4498795-senior-machine-learning-data-engineer](https://www.wearedevelopers.com/jobs/ext/4498795-senior-machine-learning-data-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).

---

# Senior Machine Learning & Data Engineer

- **Company:** E Airbus Defence and Space GmbH
- **Location:** Stuttgart, Germany
- **Experience:** Expert
- **Salary:** €70,000.0 - €100,000.0
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Systems Engineering, C++ (Programming Language), Cloud Computing, Continuous Integration, DevOps, Python (Programming Language), Machine Learning, Edge Inference, Pytorch, Open-source Models, Multi-Cloud, Gitlab, Kubernetes, Information Technology, ONNX (Open Neural Network Exchange) Format, Machine Learning Operations, TensorRT, KServe
- **Published:** November 2, 2026
- **Apply:** https://www.adzuna.de/details/5948735015

## About the Role

* 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: Kenntnisse darüber, wie Modelle trainiert, evaluiert und verbessert werden, sowie praktische Erfahrung 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 sind Erfahrungen in mindestens einem der folgenden Bereiche: Modelloptimierung für Edge-Inferenz (z. B. TensorRT, Quantisierung), Hardware-in-the-Loop-Umgebungen, Simulationsumgebungen und synthetische Daten oder verteiltes Training auf GPU-Clustern
 * Systemdenken: Gesamtlösungen im Blick behalten und auch bei Modellen aus vielen Quellen den Überblick bewahren
 * Teamgeist, klare Kommunikation und Interesse daran, eine noch entstehende Plattform mitzugestalten
 * Verhandlungssichere Deutsch- und Englischkenntnisse
 * Bewusstsein für mögliche Compliance-Risiken und integres Verhalten

## Description

* Einheitliche Wege schaffen, um intern entwickelte oder Open-Source-Modelle zu übernehmen, zu bewerten und in den End-to-End-Autonomie-Stack einzubinden
 * Die MLOps-Plattform aktiv mitgestalten und auf vorhandenen Bausteinen wie Kubernetes, MLflow und GitLab aufbauen
 * Pipelines für Training, Evaluierung und Deployment entwickeln, die zuverlässig in Multi-Cloud-Umgebungen sowie auf unserem internen, abgeschotteten Cluster laufen
 * Reproduzierbarkeit und Nachvollziehbarkeit über den gesamten Modelllebenszyklus sicherstellen - von Daten- und Modellversionierung über Experiment-Tracking bis zur Model Registry
 * Gemeinsam mit Teams wie DevOps und Simulation Umgebungen entwickeln, in denen sich die Qualität von Modellen systematisch und vergleichbar messen lässt
 * Beim Aufsetzen von Pipelines zur Modelloptimierung und Verbesserung der Inferenz-Performance unterstützen
 * Eng mit ML-Entwickler:innen, Software- und Systemengineering sowie dem Infrastrukturbetrieb zusammenarbeiten und die Perspektive ML in Produktion in alle Teams einbringen
 * ML-Trainings und die daraus hervorgehenden Modelle in Software- und Hardware-in-the-Loop-Umgebungen integrieren und dabei Reproduzierbarkeit, Skalierbarkeit und eine reibungslose Developer Experience gewährleisten
 * Dazu beitragen, ML-Modelle domänenübergreifend - von Perception bis zur Entscheidungsfindung - in einsatzfähige Bausteine für autonome UAVs zu überführen

Technologies:

 * CI/CD
 * Cloud
 * DevOps
 * GitLab
 * Hardware
 * Kubeflow
 * Kubernetes
 * MLflow
 * MLOps
 * PyTorch
 * Python
 * Support
 * Machine Learning