Senior Staff Machine Learning Engineer, Menu Personalisation (m,f,x)

Über HelloFresh

Bei HelloFresh möchten wir die Art und Weise, wie Menschen für immer essen, verändern, indem wir unseren Kunden hochwertige Lebensmittel und Rezepte für verschiedene Mahlzeiten anbieten. Auch nach unserem 10-jährigen Jubiläum sehen wir, dass sich diese Mission weltweit und über unsere kühnsten Träume hinaus verbreitet. Wir sind jetzt eine globale Lebensmittelgruppe und das weltweit führende Unternehmen für Kochboxen, aktiv in 18 Ländern auf 3 Kontinenten.

Über das Team

Menu Personalization entscheidet, was Millionen von Kunden sehen, wenn sie HelloFresh jede Woche öffnen. Das Team besitzt die Empfehlungssysteme, die Kunden mit Rezepten in unseren globalen Märkten verbinden, und bringt Data Scientists, Backend Engineers, Data Engineers, ML Engineers und Produkt zusammen, um Ideen von Experimenten bis zur Produktion zu bringen. Die Arbeit prägt direkt das Kundenerlebnis und das Unternehmenswachstum: Wenn die Personalisierung besser wird, finden die Kunden schneller Rezepte, die sie lieben, und HelloFresh wird zu einer stärkeren wöchentlichen Gewohnheit.

Über die Rolle

Wir suchen einen technischen Leiter für die ML-Systeme der Menüpersonalisierung, jemanden, der den Empfehlungsstapel besitzt, der in der Produktion läuft. Sie werden die Richtung festlegen, wie wir die ML-Systeme hinter der Menüpersonalisierung entwerfen, bauen und betreiben, während Sie hands-on über Feature-Pipelines, Trainings-Workflows, Modellbereitstellung, Experimentierwerkzeuge und die Infrastruktur darunter bleiben. Die Entscheidungen, die Sie hier treffen, prägen die Plattform für Jahre, nicht für Quartale, und Sie werden erwartet, eine Meinung dazu zu haben, wohin die Personalisierung bei HelloFresh gehen sollte und dies mit Daten und Nutzerbeweisen zu untermauern.

Was Sie tun werden

• Die technische Richtung für die ML-Systeme hinter der Menüpersonalisierung festlegen und den End-to-End-Stapel besitzen: Feature-Pipelines, Trainings-Workflows, Modellbereitstellung, Experimentierwerkzeuge und Infrastruktur.
• Forschung und Experimente in zuverlässige Produktionssysteme überführen, in Partnerschaft mit Data Scientists an Dienstleistungen, die echte Latenz-, Skalierbarkeits- und Beobachtbarkeitsanforderungen erfüllen.
• Die Personalisierungs-Roadmap mit Produkt- und Engineering-Leitung gestalten und Ihre Meinung mit Daten und Nutzerbeweisen untermauern.
• Was Sie bauen, betreiben, instrumentieren und Ihre Systeme in der Produktion verbessern, da das Versenden der Beginn des Lernzyklus ist, nicht das Ende.
• Den technischen Standard im Team durch Architekturüberprüfungen, Mentoring und das Beispiel, das Sie im Bereich der Produktions-ML setzen, erhöhen.
• Langfristige Architektur gestalten und Plattformentscheidungen treffen, deren Nutzen sich über Jahre und nicht über Quartale erstreckt.
• Engineering-Exzellenz über die Menüpersonalisierung hinaus vorantreiben, indem Sie Standards setzen, die andere ML- und Datenteams übernehmen.
• Mit Kollegen bei HelloFresh über Best Practices synchronisieren und zu unternehmensweiten Ingenieureinitiativen beitragen, die das breitere ML- und Datenhandwerk voranbringen.

Was Sie mitbringen werden

• 8+ Jahre Erfahrung im Aufbau und Betrieb von Produktions-ML-Systemen, mit einer Erfolgsbilanz technischer Führung in großem Maßstab.
• Architektonische Entscheidungen in Ihrer Vergangenheit, die über mehrere Jahre Bestand hatten und Teams über Ihr eigenes hinaus beeinflussten.
• Erfahrung in der Produktion mit Empfehlungssystemen oder groß angelegter Personalisierung ist ein großer Vorteil.
• Fließend in unserem Daten- und ML-Stack (Python, Spark) und unserem Backend- und Plattform-Stack (Go, Kafka, Kubernetes), mit praktischer Erfahrung in Pipelines, Modellbereitstellung und Beobachtbarkeit in großem Maßstab.
• Statistische Kompetenz, um ehrliche Experimente zu entwerfen und das Urteilsvermögen zu haben, wann ein Modell tatsächlich besser ist, im Gegensatz dazu, wann die Metriken Sie täuschen.
• Betriebsurteil, um Fehlverhalten im System zu diagnostizieren, Ursachen zu finden und Systeme zu versenden, die Sie unter realer Last debuggen können.
• Praktische Erfahrung mit KI-Tools (Claude Code, Cursor, Copilot) über gelegentliche Experimente hinaus; Sie nutzen KI-Agenten jeden Tag und haben ein praktisches Gefühl dafür, wie der Kontext, den Sie bereitstellen, die Ausgabequalität beeinflusst.
• Produktverständnis: Meinungen darüber, was gebaut werden sollte und warum, mit der Fähigkeit, dies mit Beweisen zu untermauern und in Geschäftswert zu übersetzen.
• Eine Neigung zum Versenden; Sie übernehmen die volle Verantwortung und beenden die letzten zwanzig Prozent.

Flexible Hybridansatz

Bei HelloFresh wissen wir, dass flexible Arbeitsarrangements entscheidend sind, um Ihnen zu ermöglichen, Ihre beste Arbeit zu leisten, während Sie Ihre persönlichen und Lebensbedürfnisse ausbalancieren. Die Möglichkeit, remote zu arbeiten, sowie die Gelegenheit, im Büro zu interagieren und zusammenzuarbeiten, sind Teil der Schaffung einer großartigen Mitarbeitererfahrung. Um diesen Bedürfnissen gerecht zu werden, freuen wir uns, Flexible Hybridarbeit anzubieten. Flexible Hybrid ist ein menschenzentrierter Ansatz, der auf Wahl, Vertrauen, Personalisierung basiert und Teams ermächtigt, zu wählen, wann und wie oft sie im Büro und von zu Hause aus arbeiten, zusätzlich zu Team- und Unternehmens-Tagen. Dies bedeutet mindestens 2 Tage im Büro pro Woche, wobei die meisten Teams zwischen 2-3 Tagen pro Woche im Büro sind.