Bare Metal Support Engineer

CoreWeave ist der AI Hyperscaler™, der eine Cloud-Plattform mit modernsten Dienstleistungen bereitstellt, die die nächste Welle der KI antreiben. Unsere Technologie bietet Unternehmen und führenden KI-Labors die leistungsfähigsten, effizientesten und widerstandsfähigsten Lösungen für beschleunigtes Computing. Seit 2017 betreibt CoreWeave ein wachsendes Netzwerk von Rechenzentren in den USA und Europa. CoreWeave wurde als eines der TIME100 einflussreichsten Unternehmen des Jahres 2024 eingestuft. Als Branchenführer gedeihen wir in einer Umgebung, in der Anpassungsfähigkeit und Widerstandsfähigkeit entscheidend sind. Unsere Kultur bietet karrierebestimmende Möglichkeiten für diejenigen, die inmitten von Veränderungen und Herausforderungen glänzen.

Wenn Sie jemand sind, der in einem dynamischen Umfeld gedeiht, komplexe Probleme gerne löst und bereit ist, einen signifikanten Einfluss zu haben, ist CoreWeave der richtige Ort für Sie. Schließen Sie sich uns an und werden Sie Teil eines Teams, das einige der aufregendsten Herausforderungen der Branche löst. CoreWeave treibt die Schaffung und Lieferung der Intelligenz voran, die Innovationen antreibt. Sind Sie bereit, eine aufregende Reise zur Gestaltung der Zukunft des Cloud-Computing zu beginnen?

Als Bare Metal Support Engineer sind Sie verantwortlich für die Unterstützung, den Betrieb und die Wartung der umfangreichen GPU-Flotte von CoreWeave in unseren wachsenden Rechenzentren in den USA, Europa und darüber hinaus. Sie arbeiten eng mit Kunden, Technikern im Rechenzentrum und Ingenieurteams zusammen, um die Zuverlässigkeit, Leistung und Skalierbarkeit unserer Infrastruktur sicherzustellen.

Was Sie tun werden:

• Hochwertige Unterstützung für Kunden, die Bare-Metal-GPU-Flotten auf CoreWeave Cloud nutzen.
• Diagnose, Triage und Untersuchung gemeldeter Kundenprobleme und hochpriorisierter Vorfälle, Identifizierung von Ursachen und Eskalation bei Bedarf.
• Entwicklung eines tiefen Verständnisses der Arbeitslasten und Anwendungsfälle der Kunden, um maßgeschneiderte technische Unterstützung zu bieten.
• Koordination von Remote-Fehlerbehebungen und Hardware-Interventionen mit Technikern im Rechenzentrum.
• Erstellung und Pflege interner Dokumentationen, einschließlich Fehlerbehebungsleitfäden, Best Practices und Wissensdatenbankartikeln.
• Teilnahme an einer Rufbereitschaft zur Unterstützung von Produktionsclustern und Gewährleistung der betrieblichen Zuverlässigkeit.
• Zusammenarbeit mit Ingenieurteams zur Verbesserung der Hardware-Zuverlässigkeit, Software-Stabilität und Systemleistung.
• Implementierung von Automatisierung und Skripting zur Optimierung von Support-Workflows und Reduzierung manueller Eingriffe.
• Durchführung von detaillierten Protokollanalysen und Debugging über mehrere Schichten des Stacks (Firmware, Treiber, Hardware).
• Feedback an interne Teams zu häufigen Supportproblemen geben, um kontinuierliche Verbesserungen voranzutreiben.
• Zusammenarbeit mit Netzwerkteams zur Fehlersuche bei Verbindungsproblemen, die die Arbeitslasten der Kunden betreffen.
• Unterstützung der Supercomputing-Infrastruktur, die GPU-Arbeitslasten in großem Maßstab ausführt.
• Förderung der operativen Exzellenz durch Verfeinerung interner Prozesse und Supportmethoden.

Mindestens erforderliche Qualifikationen:

• Erfahrung in Rechenzentren, GPU-Clustern, Serverbereitstellungen, Systemadministration oder Hardware-Fehlerbehebung.
• Nachgewiesene Fähigkeit zur effektiven Zusammenarbeit mit verschiedenen technischen Teams (z. B. Technikern im Rechenzentrum, Netzwerkingenieuren, Softwareingenieuren), um eine schnelle Problemlösung und kontinuierliche Verbesserungen voranzutreiben.
• Fortgeschrittene Kenntnisse in Linux (Ubuntu, CentOS oder ähnlich), einschließlich Befehlszeilenkenntnissen.
• Vertrautheit mit NVIDIA GPUs, SuperMicro-Systemen, Dell-Systemen, Hochleistungsrechnen (HPC) und großen Rechenzentrumsumgebungen.
• Praktische Erfahrung mit Firmware-Updates, BIOS-Konfigurationen und Treiberverwaltung.
• Fähigkeit zur Analyse von Systemprotokollen und zur Fehlersuche über Firmware-, Treiber- und Hardwareebenen.
• Erfahrung mit Jira, Confluence, Notion oder anderen Plattformen zur Probleverfolgung und Dokumentation.
• Starke Problemlösungsfähigkeiten mit einer proaktiven und analytischen Denkweise.
• Ausgezeichnete Kommunikationsfähigkeiten und die Fähigkeit, in einem schnelllebigen Umfeld kollaborativ zu arbeiten.
• Erfahrung in Skripting und Automatisierung (Python, Bash, Ansible oder ähnlich) ist von Vorteil.
• Kenntnisse in den Grundlagen der Netzwerktechnik (TCP/IP, VLANs, DNS, DHCP) und Fehlerbehebungstools sind von Vorteil.

Was wir bieten:

Wir bieten eine Vielzahl von Vorteilen, um Ihre Bedürfnisse zu unterstützen, einschließlich:

• Medizinische, zahnärztliche und augenärztliche Versicherungen – 100 % von CoreWeave bezahlt.
• Lebensversicherung, die vom Unternehmen bezahlt wird.
• Freiwillige zusätzliche Lebensversicherung.
• Kurz- und langfristige Invaliditätsversicherung.
• Flexible Ausgabenabrechnung.
• Gesundheitssparkonto.
• Studiengebührenrückerstattung.
• Mentale Wellness-Vorteile über Spring Health.
• Familienunterstützung durch Carrot.
• Bezahlter Elternurlaub.
• Flexible, umfassende Kinderbetreuung durch Kinside.
• 401(k) mit großzügigem Arbeitgeberbeitrag.
• Flexible PTO.
• Jeden Tag ein Catering-Mittagessen in unseren Büros und Rechenzentren.
• Eine lockere Arbeitsumgebung.
• Eine Arbeitskultur, die sich auf innovative Störungen konzentriert.

CoreWeave ist ein Arbeitgeber, der Chancengleichheit bietet und sich verpflichtet hat, ein integratives und unterstützendes Arbeitsumfeld zu fördern. Alle qualifizierten Bewerber und Kandidaten erhalten unabhängig von Rasse, Farbe, Religion, Geschlecht, Behinderung, Alter, sexueller Orientierung, Geschlechtsidentität, nationaler Herkunft, Veteranenstatus oder genetischen Informationen Berücksichtigung für eine Anstellung.