Forward Deployed Machine Learning Engineer

Was wäre, wenn der schwierigste Teil von generativer KI nicht das Trainieren des Modells ist, sondern es unter unerwarteten Einschränkungen in der Produktion zum Laufen zu bringen? Unser Gründungsteam hat Latent Diffusion und Stable Diffusion entwickelt – Durchbrüche, die generative KI Millionen zugänglich gemacht haben. Heute treiben unsere FLUX-Modelle kreative Werkzeuge, Design-Workflows und Produkte in verschiedenen Branchen weltweit an. Unsere FLUX-Modelle sind nicht nur aufgrund ihrer Fähigkeiten erstklassig, sondern auch wegen der Benutzerfreundlichkeit bei der Entwicklung von Produktionsanwendungen. Wir führen öffentliche Benchmarks an und konkurrieren an der Spitze – und in den meisten Fällen gewinnen wir. Wenn Sie unermüdlich neugierig sind und von hoher Eigenverantwortung getrieben werden, möchten wir mit Ihnen sprechen.

Was Sie Pionierarbeit leisten werden: Sie leben an der Schnittstelle zwischen bahnbrechender Forschung und brutaler Produktionsrealität. Ihre Kunden wollen nicht nur, dass FLUX funktioniert – sie benötigen es optimiert für ihre spezifische Hardware, fein abgestimmt auf ihre einzigartigen Anwendungsfälle und integriert in Systeme, die ursprünglich nicht für Diffusionsmodelle konzipiert wurden. Sie werden die Person sein, die:

• Sicherstellt, dass FLUX-Modelle in den Kundenumgebungen optimal funktionieren – egal ob auf lokalen GPU-Clustern oder BFL-gehosteter Infrastruktur – und das ewige Spannungsverhältnis zwischen Latenz und Ausgabequalität ausbalanciert.
• Tiefe Produktintegrationen entwirft, die weit über „hier ist ein API-Endpunkt“ hinausgehen – und den Kunden bei allem helfen, von Modellhosting und Bereitstellung bis hin zu Inferenzoptimierungstechniken, die noch nicht in Lehrbüchern stehen.
• Unsere Grundmodelle für visuelle Medien anpasst, um Probleme zu lösen, die Kunden nicht artikulieren konnten, bis Sie ihnen geholfen haben, zu verstehen, was möglich ist.
• Technische Tiefenanalysen mit Kunden durchführt, um Leistungsengpässe zu diagnostizieren, und diese Erkenntnisse dann in Lösungen (und manchmal in Forschungsfragen für unser Kernteam) übersetzt.
• Entdeckt, wohin generative visuelle KI als Nächstes gehen sollte, indem Sie verstehen, welche Branchen mit Problemen kämpfen, die wir lösen könnten.

Fragen, mit denen wir ringen: Was bedeutet „optimale Leistung“ tatsächlich, wenn ein Kunde 100 ms Latenz benötigt und ein anderer fotorealistische Qualität um jeden Preis? Wie tunen Sie ein Grundmodell für den spezifischen Anwendungsfall eines Kunden, ohne das zu verlieren, was es ursprünglich leistungsstark gemacht hat? Wann sollte ein Kunde FLUX auf seiner eigenen Infrastruktur ausführen versus unsere gehostete Lösung nutzen – und wie helfen wir ihnen, diese Entscheidung ehrlich zu treffen? Welche Inferenzoptimierungen funktionieren theoretisch, brechen aber in der Produktion, und umgekehrt? Welche Branchen erkennen noch nicht, dass sie ein Problem mit generativer visueller KI haben, das wir lösen könnten?

Wer hier gedeiht: Sie verstehen Diffusionsmodelle nicht nur konzeptionell, sondern auch viszeral – Sie haben sie debuggt, optimiert und in großem Maßstab bereitgestellt. Sie waren im Raum, als die Integration eines Kunden schiefging und Sie diagnostizieren mussten, ob es sich um ein Modellproblem, ein Infrastrukturproblem oder ein grundlegendes Missverständnis darüber handelt, was das Modell tun kann. Sie haben wahrscheinlich:

• Direkte Erfahrung in der Zusammenarbeit mit Kunden bei der Bereitstellung von generativer KI – die Art, bei der Sie in Echtzeit an Lösungen arbeiten, nicht nur einem Handbuch folgen.
• Praktische Expertise mit generativen Modellierungsansätzen, insbesondere Feinabstimmung, Optimierung und Bereitstellung von Deep-Learning-Modellen in Produktionsumgebungen.
• Eine nachweisliche Erfolgsbilanz als ML-Ingenieur, der Modelle ausgeliefert hat, von denen echte Systeme abhängen.
• Starke Python-Kenntnisse und ein intuitives Verständnis von API-Design.
• Die Fähigkeit, einem Geschäftsführer zu erklären, warum ein Diffusionsmodell langsam ist, und einem Ingenieur zu zeigen, wie man es in derselben Besprechung behebt.

Wir wären besonders begeistert, wenn Sie:

• Tiefes Wissen über Diffusionsmodelle und/oder Flussanpassung haben, einschließlich Feinabstimmung und Destillationstechniken, die über Standardtutorials hinausgehen.
• Das FLUX-Ökosystem genau kennen – ComfyUI, gängige Trainingsframeworks, die Werkzeuge, die Praktiker tatsächlich verwenden.
• Bewährte Erfahrung in der Optimierung der Inferenz für transformerbasierte Modelle haben (und die Narben, die das beweisen).
• Lösungen in komplexen Unternehmensumgebungen entwerfen können, in denen „einfach mehr GPUs hinzufügen“ keine Option ist.
• Zu Open-Source-Projekten im Bereich der Diffusionsmodelle beigetragen haben und die Community verstehen.
• Modelle auf Cloud-Plattformen mit modernster Bereitstellungsinfrastruktur bereitgestellt haben.

Worauf wir hinarbeiten: Wir unterstützen nicht nur Kunden – wir lernen, was es tatsächlich braucht, um an der Spitze der generativen KI in großem Maßstab zu produzieren. Jede Kundenintegration lehrt uns etwas, das wir nicht wussten. Jede Optimierungsherausforderung offenbart Lücken in unserem Verständnis. Wenn sich das überzeugender anhört, als alle Antworten dokumentiert zu haben, sollten wir sprechen.

Wie wir zusammenarbeiten: Wir sind ein verteiltes Team mit echten Büros, die die Leute tatsächlich nutzen. Je nach Ihrer Rolle werden Sie entweder mindestens 2 Tage pro Woche zu uns nach Freiburg oder SF kommen (oder eine volle Woche alle zwei Wochen) oder remote arbeiten mit einer monatlichen persönlichen Woche, um verbunden zu bleiben. Wir übernehmen angemessene Reisekosten, um dies zu ermöglichen. Wir glauben, dass persönliche Zeit wichtig ist, und haben die Dinge so strukturiert, dass es für alle zugänglich ist. Wir werden besprechen, wie dies für die Rolle während unseres Interviewprozesses aussehen wird.

Alles, was wir tun, basiert auf vier Werten:

• Besessen. Wir sind ein Forschungsinstitut an der Front. Die Wissenschaft muss stimmen, das Verständnis tief, das Produkt schön sein.
• Niedriger Ego. Die Arbeit spricht. Die beste Idee gewinnt, egal wer sie gesagt hat. Anerkennung wird geteilt. Niemand steht über einer Aufgabe.
• Mutig. Wir setzen auf das Ambitionierte. Wir liefern, wir warten nicht darauf, dass die Bedingungen perfekt sind.
• Freundlich. Menschen über Politik. Wir behandeln uns gegenseitig mit echter Wärme. Eigenverantwortung ohne Empathie schafft Chaos.

Jahresgrundgehalt für eine Rolle in SF: 180.000–300.000 USD (je nach Erfahrung). Wir sind in Europa ansässig und schätzen Tiefe über Lärm, Zusammenarbeit über Held*innenkultur und ehrliche technische Gespräche über Hype. Unsere Modelle wurden hunderte Millionen Male heruntergeladen, aber wir sind immer noch ein ~50-köpfiges Team, das lernt, was an der Spitze der generativen KI möglich ist.