Senior Machine Learning Engineer (Computer Vision)

Über uns: Bei Airteam Aerial Intelligence entwickeln wir innovative Lösungen für drohnenbasierte 3D-Photogrammetrie, Solarplanung und automatisierte Datenanalyse. Unsere Plattform kombiniert 3D-Rekonstruktion, geospatial Analytics und Computer Vision, um präzise und skalierbare Einblicke in die erneuerbare Energiebranche zu liefern. Wir suchen einen Senior Machine Learning Engineer (Computer Vision) für unser KI-Team. Sie übernehmen die Verantwortung für unseren Modelllebenszyklus – von der Erkundung und Experimentierung bis zur Produktionsintegration – und stellen die kontinuierliche Bereitstellung hochwertiger KI-Funktionen für unsere Kunden sicher.

Aufgaben:

• Leitung der Modellentwicklung für Computer Vision und 3D-Analyseaufgaben (z.B. Objekterkennung, Oberflächenklassifikation und geometriebasierte Inferenz).
• Bewertung und Integration vortrainierter Modelle (z.B. Vision Transformers, Segmentierungsnetzwerke, diffusionsbasierte Methoden) zur Beschleunigung der Lieferung.
• Training und Feinabstimmung von Modellen auf internen und synthetischen Datensätzen.
• Bereitstellung von Modellen in der Produktion in Zusammenarbeit mit MLOps- und Backend-Teams (Python-basierter Stack, GCP-Infrastruktur).
• Wartung und Überwachung von Produktionsmodellen, um Genauigkeit, Leistung und Zuverlässigkeit sicherzustellen.
• Cross-funktionale Zusammenarbeit mit Software-, Produkt- und Betriebsteams, um Produktanforderungen in ML-Lieferungen zu übersetzen.
• Dokumentation und Kommunikation von Ergebnissen, Modellen und Pipelines.

Qualifikation:

• 5+ Jahre Erfahrung in angewandtem Machine Learning, davon mindestens 3 Jahre in Computer Vision (z.B. Bildsegmentierung, Erkennung oder Rekonstruktion).
• Solide Erfahrung mit PyTorch oder TensorFlow, OpenCV und Python.
• Starkes Verständnis von CNNs, Vision Transformers, Merkmalsextraktion und 3D-Visionsmethoden (SfM, MVS oder Punktwolken von Vorteil).
• Erfahrung mit Trainingspipelines, Datenmanagement und Hyperparameter-Optimierung.
• Vertrautheit mit der Modellbereitstellung (FastAPI, Flask, TorchServe, Vertex AI oder benutzerdefinierte Inferenzdienste).
• Erfahrung mit GCP oder anderer Cloud-ML-Infrastruktur, Docker und CI/CD für ML-Pipelines.
• Komfortables Lesen akademischer Arbeiten, Bewertung von SOTA-Architekturen und Anpassung an Produktionsbeschränkungen.
• Starke Kommunikations- und Dokumentationsfähigkeiten – in der Lage, die Projektkontinuität während einer temporären Führungslücke aufrechtzuerhalten.

Vorteile:

• Flexibles hybrides/remote Setup (Berlin-basiert oder EU-freundliche Zeitzone).
• Gelegenheit, die KI-Roadmap in einem hochwirksamen Bereich (erneuerbare Energien und 3D-Kartierung) zu leiten.
• Kollaborative und pragmatische Ingenieurskultur – fokussiert auf Ergebnisse, nicht auf Meetings.
• Direkte Zusammenarbeit mit dem CTO und dem MLOps-Team.

Nice to Have:

• Erfahrung mit Photogrammetrie, geospatialen Daten oder 3D-Rekonstruktionsworkflows.
• Vertrautheit mit ML-Experimentverfolgung (Weights & Biases, MLflow).
• Erfahrung mit Datenannotationspipelines und semi-supervised learning.
• Beitrag zu Open-Source-ML-Projekten.