Machine Learning Engineer

• Du entwickelst und produktivierst Machine-Learning- und Deep-Learning-Modelle für reale Kundenprobleme.
• Du baust Computer-Vision-Lösungen für Bild-, Video- und Dokumentenverarbeitung, zum Beispiel mit OpenCV, YOLO, OCR oder Vision Language Models.
• Du entwickelst und integrierst RAG- und LLM-Systeme, die zuverlässig mit unternehmensinternen Daten arbeiten.
• Du entwickelst Python-Services und APIs, zum Beispiel mit FastAPI, und bindest sie in unsere Kundenlösungen ein.
• Du setzt Training, Fine-Tuning, Inference, Evaluation und Monitoring für Modelle sauber auf.
• Du sorgst mit Docker und Linux für reproduzierbare, wartbare und sichere Deployments.
• Du optimierst Inference und Infrastruktur für Leistung, Kosten und Zuverlässigkeit.
• Du arbeitest mit Data Scientists, Entwicklern und Delivery eng zusammen, damit aus fachlichen Anforderungen produktionsreife Systeme werden.
• Du dokumentierst Architektur, Schnittstellen und Betriebslogik so, dass andere im Team darauf aufbauen können., * Keine PoCs, die nach der Präsentation verschwinden. Du baust Systeme, die bei Kunden produktiv laufen müssen.
• Anspruchsvolle Projekte rund um KI-Kollegen, Computer Vision, Dokumentenverarbeitung, RAG und Automatisierung.
• Viel technischer Gestaltungsspielraum und die Möglichkeit, Engineering-Standards mit aufzubauen.
• Direkter Kontakt zu den Menschen, die Entscheidungen treffen. Wenig Politik, kurze Wege und schnelle Umsetzung.
• Ein Team mit hohem fachlichen Anspruch und bodenständiger Zusammenarbeit.
• Remote-freundliches Arbeiten mit regelmäßigem persönlichem Austausch in Dingolfing. Für die finale Gesprächsrunde möchten wir dich vor Ort kennenlernen.

• Sehr gute Python-Kenntnisse und praktische Erfahrung mit PyTorch, TensorFlow oder vergleichbaren ML-Frameworks.
• Erfahrung darin, ML- oder Deep-Learning-Modelle in echten Anwendungen produktiv einzusetzen.
• Praktische Erfahrung mit Computer Vision, etwa OpenCV, YOLO, Object Detection, Segmentierung, OCR oder Bildklassifikation.
• Erfahrung mit LLMs und RAG-Systemen, inklusive Embeddings, Vektordatenbanken, Retrieval und Evaluation.
• Erfahrung mit Docker, Linux und dem Betrieb von Services oder Datenpipelines.
• Erfahrung mit APIs und Backend-Entwicklung, idealerweise FastAPI.
• Du denkst in Tests, Fehlerfällen, Logging, Monitoring und Wiederholbarkeit. Ein Notebook allein ist für dich kein fertiges Produkt.
• Du arbeitest eigenständig, pragmatisch und übernimmst technische Verantwortung.
• Deutsch C1

Das ist ein Plus, aber kein Muss

• Erfahrung mit MLOps, etwa MLflow, CI/CD, Kubernetes, Terraform oder Modell-Monitoring.
• Erfahrung mit ONNX, TensorRT, GPU-Inference, Quantisierung oder Fine-Tuning.
• Erfahrung mit AWS, Azure, GCP oder lokalen GPU- und On-Premise-Deployments.
• Erfahrung mit Dokumenten-KI, PDF-Extraktion, OCR oder multimodalen Modellen.
• Erfahrung mit JavaScript oder Node.js für die Anbindung an Produkt- und Automatisierungssysteme.