MLOps Engineer (m/f/d) - Embodied AI & Robotics Platform

Über das Unternehmen

Mein Kunde ist ein hochinnovatives, risikokapitalfinanziertes Robotikunternehmen mit Sitz im florierenden Deep-Tech-Hub in München. Sie überbrücken die Kluft zwischen fortschrittlicher künstlicher Intelligenz und der physischen Welt, indem sie hochmoderne Roboterplattformen entwickeln, die darauf ausgelegt sind, komplexe Aufgaben in dynamischen, realen Umgebungen zu automatisieren. Durch die Integration von Hardware der nächsten Generation mit fortschrittlicher Computer Vision, räumlicher Intelligenz und verkörperter KI ermöglichen sie es den Branchen, effizienter, flüssiger und sicherer zu arbeiten.

Rollenübersicht

Das Unternehmen sucht einen ingenieurorientierten MLOps Engineer mit einem grundlegenden Hintergrund in angewandter KI, um die Verantwortung für die Pipeline des maschinellen Lernens zu übernehmen. Dies ist keine typische Cloud-SaaS- oder FinTech-MLOps-Rolle; der Ingenieur wird die einzigartigen Herausforderungen von Edge MLOps lösen - komplexe Wahrnehmungs- und Visionmodelle aus cloudbasierten Experimenten direkt auf ressourcenbeschränkter physischer Robotikhardware bereitzustellen. Der ideale Kandidat befindet sich an der Schnittstelle von maschinellem Lernen, Infrastrukturengineering und Hardware-Software-Integration. Er wird eng mit KI-Forschern, Softwareingenieuren für Kernrobotik und Cloud-Infrastrukturteams zusammenarbeiten, um sicherzustellen, dass die bewegliche Flotte von Robotern des Unternehmens zuverlässig sehen, denken und handeln kann.

Hauptverantwortlichkeiten

• Pipeline-Automatisierung: Entwerfen, bauen und pflegen Sie robuste, End-to-End-ML-Orchestrierungspipelines (von der Datenerfassung und synthetischen Datengenerierung bis hin zu verteiltem Multi-GPU-Training und Modelltests).
• Hardware-Optimierung & Edge-Bereitstellung: Entwickeln Sie automatisierte Kompilierungs-, Quantisierungs- und Pruning-Workflows zur Optimierung von Deep-Learning-Modellen (z.B. Computer Vision, transformerbasierte Architekturen), die auf Edge-Compute-Beschleuniger wie NVIDIA Jetson oder benutzerdefinierte Automobil-/Robotik-SoCs abzielen.
• Datenflotteninfrastruktur: Entwickeln Sie Hochdurchsatz-, multimodale Datenloops, die in der Lage sind, massive Datenströme (Kamerabilder, Punktwolken, Telemetrie) zu verarbeiten, und etablieren Sie intelligente Datenkurationsmethoden, um Edge-Edge-Fehler für das Retraining hochzuladen.
• Lebenszyklus- & Experimentmanagement: Richten Sie rigoroses Experimenttracking, Modellregistrierung, Versionierung und Genehmigungsgates mit Tools wie MLflow oder Weights & Biases ein, um absolute Reproduzierbarkeit zu gewährleisten.
• Kontinuierliche Überwachung & Drift-Erkennung: Erstellen Sie Beobachtungsstacks und Dashboards (z.B. Prometheus, Grafana), um die Echtzeit-Degradierung der Modellinferenz, Sensorabweichungen und Anomalien in der physischen Umgebung im Feld zu verfolgen.
• CI/CD-Integration: Konstruieren Sie zuverlässige Infrastruktur-als-Code (IaC) und Containerisierungsframeworks, um nahtlose Over-the-Air (OTA)-Modell- und Firmware-Updates sicher an eine Flotte physischer Roboter zu übertragen.

Profil & Anforderungen

• Bildung: Universitätsabschluss (B.Sc., M.Sc. oder Ph.D.) in Informatik, Robotik, Elektrotechnik, Dateninfrastruktur oder einem vergleichbaren technischen Bereich.
• Erfahrung: 2 bis 5 Jahre Berufserfahrung in MLOps, DevOps oder Rollen im Bereich Maschinenlern-Infrastruktur.
• Softwarefähigkeiten: Produktionsreife Python-Kenntnisse sind zwingend erforderlich. Komfortables Arbeiten in Linux-Umgebungen und Vertrautheit mit C++ oder hermetischen Build-Systemen (z.B. Bazel) sind von großem Vorteil.
• AI/ML-Grundlagen: Solides Grundverständnis von Konzepten des maschinellen Lernens und des tiefen Lernens, insbesondere mit praktischer Erfahrung mit Frameworks wie PyTorch, OpenCV oder Hugging Face Transformers.
• Cloud & Infrastruktur: Nachgewiesene Erfahrung in der Verwaltung von Produktionslasten in containerisierten Umgebungen über Docker und Kubernetes (einschließlich Erfahrung in der Konfiguration von Beschleunigernode-Pools/GPUs). Starke Vertrautheit mit AWS, GCP oder Azure-Infrastruktur und Terraform.
• Nice-to-Haves: Erfahrung mit dem Robot Operating System (ROS/ROS2), Robotik-Datenserialisierungs-/Protokollierungstools (wie MCAP oder Foxglove) oder Modelloptimierungs-Runtimes (TensorRT, ONNX Runtime).

Was das Unternehmen bietet

• Tiefen-Technologie-Einfluss: Die Möglichkeit, direkt an physischen Roboterplattformen zu arbeiten und zu beobachten, wie Code direkt in Hardwaremechanik übersetzt wird.
• Sehr wettbewerbsfähige Vergütung: Attraktives Grundgehalt in Verbindung mit Eigenkapitalpaketen und leistungsabhängigen Boni.
• Moderne Arbeitskultur: Flexible hybride Arbeitsregelungen, 30 Tage bezahlter Jahresurlaub und Zugang zu hochmodernen Labor- und Testräumen in München.
• Umzugshilfe: Umfassende Unterstützung bei der Visabearbeitung, bürokratischen Onboarding und Umzugskosten für internationale Talente, die nach München ziehen.