Principal Site Reliability Engineer

ID Quantique (IDQ) als Teil von IONQ ist ein globaler Marktführer in quantensicheren Kommunikations- und Quantenmesssystemen. Wir bieten Lösungen zum Schutz von Regierungen, Telekommunikationsinfrastrukturen sowie Banken und Finanzinstituten vor der Bedrohung "Ernten jetzt, später entschlüsseln" und liefern sowohl terrestrische als auch weltraumbasierte quantensichere Netzwerke, die weltweit im Live-Betrieb sind.

Unsere Quantenmesssysteme erweitern die Grenzen der Einzelphotonenmessung und ermöglichen Durchbrüche in der Quantenkommunikation, Sensorik, Computertechnik und ultrasensitiven Bildgebung in Partnerschaft mit führenden Forschern und Technologieinnovatoren weltweit.

Was Sie erwarten können

Das Platform Engineering-Team baut, sichert und betreibt skalierbare Infrastrukturen, die cloud-managed SaaS-Produkte mit vor Ort installierten Komponenten an Kundenstandorten unterstützen. Als Principal Site Reliability Engineer werden Sie die technische Führung für die Zuverlässigkeit unserer globalen Plattform übernehmen. Sie definieren die Strategie, Standards und das Betriebsmodell, um hochverfügbare, resiliente und sichere Dienste zu gewährleisten, während Sie aktiv an der Gestaltung und dem Betrieb der Technologien beteiligt sind, die unsere Produktionsumgebungen untermauern.

Sie arbeiten eng mit Architektur, DevSecOps, Cloud Operations und Produktentwicklung zusammen, um eine Kultur der Beobachtbarkeit, Automatisierung und kontinuierlichen Verbesserung zu fördern, wobei Sie sicherstellen, dass Probleme identifiziert und gelöst werden, bevor sie die Kunden beeinträchtigen.

• Definieren und leiten Sie die Zuverlässigkeitsstrategie für Tier 1 und Tier 2 Produktionsdienste, einschließlich Service-Level-Ziele, Fehlerbudgets, Beobachtbarkeit, Resilienz, Notfallwiederherstellung und Cloud-Sicherheit.
• Gestalten und betreiben Sie Beobachtungsplattformen, leiten Sie Chaos-Engineering- und Notfallwiederherstellungsinitiativen, verbessern Sie die Zuverlässigkeit von PostgreSQL, Redis/Valkey, Kafka und OpenSearch und liefern Sie AI Ops-Funktionen, einschließlich prädiktiver Überwachung, automatisierter Behebung und Selbstheilung.
• Leiten Sie die Reaktion auf schwerwiegende Vorfälle, den Bereitschaftsdienst und die globale Eskalation, während Sie Ingenieure betreuen und Ingenieurstandards etablieren, die in der gesamten Organisation übernommen werden.

Was Sie tun werden

Sie sind verantwortlich für die Zuverlässigkeit, Resilienz und betriebliche Exzellenz unserer Cloud-Plattform und Produktionsdienste und integrieren Zuverlässigkeitsprinzipien in architektonische Entscheidungen und Plattformdesigns. Sie etablieren Beobachtungsstandards, die Metriken, Protokolle, verteilte Nachverfolgung und Profiling abdecken, während Sie die Service-Level-Ziele und Fehlerbudgets über die Ingenieurteams hinweg steuern.

Sie leiten die Resilienztechnik durch Chaos-Tests, Notfallwiederherstellungsplanung und validierte Failover-Übungen, teilen sich die Verantwortung für die Cloud-Sicherheitslage mit DevSecOps und stellen die Zuverlässigkeit unserer kritischen Daten- und Streaming-Plattformen sicher. Sie optimieren die Plattformeffizienz durch Automatisierung, KI-gesteuerte Operationen und kontinuierliche betriebliche Verbesserung.

• Verantwortung für Produktionszuverlässigkeit, Beobachtbarkeit, Service-Level-Ziele, Fehlerbudgets, Resilienz, Backup und Notfallwiederherstellung, Cloud-Sicherheit und Plattformgovernance über alle kritischen Dienste hinweg.
• Leiten Sie das Incident Command, die Kommunikation mit der Geschäftsführung, Nachbesprechungen nach Vorfällen, den Bereitschaftsdienst und die globale Eskalation, während Sie prädiktive Überwachung, automatisierte Behebung und Selbstheilungsfähigkeiten bereitstellen.
• Arbeiten Sie mit Architektur, DevSecOps, Cloud Operations und Produktentwicklung zusammen, um Ingenieurstandards zu etablieren, Ingenieure zu betreuen und eine gemeinsame Zuverlässigkeits-Roadmap zu erstellen.

Was Sie mitbringen

Sie sind ein erfahrener Leiter im Bereich Site Reliability Engineering mit mehr als 15 Jahren Erfahrung in der Produktionsengineering und haben kürzlich praktische Verantwortung für großangelegte, fehlertolerante Produktionssysteme, die auf AWS oder GCP laufen. Sie haben erfolgreich Beobachtungsplattformen entworfen und betrieben, Programme für Service-Level-Ziele implementiert und messbare Verbesserungen in Verfügbarkeit, Zuverlässigkeit und mittlerer Wiederherstellungszeit erzielt.

Sie haben schwerwiegende Produktionsvorfälle geleitet, Resilienztests und Notfallwiederherstellungsübungen geplant und durchgeführt sowie die Ingenieurpraktiken über mehrere Teams hinweg durch technische Führung und Mentoring beeinflusst.

• 15+ Jahre Erfahrung im Produktionsengineering mit aktueller praktischer Verantwortung für großangelegte, fehlertolerante Produktionssysteme auf AWS oder GCP, einschließlich Verantwortung für Beobachtbarkeit, Service-Level-Ziele und Fehlerbudgets.
• Nachgewiesene Erfahrung in der Leitung von Resilienzinitiativen, validierten Notfallwiederherstellungen und Failover-Tests sowie im Umgang mit schwerwiegenden Produktionsvorfällen und messbaren Zuverlässigkeitsverbesserungen.
• Demonstrierte technische Führung durch Architekturüberprüfungen, Governance, Mentoring, Coaching und Ingenieurstandards, die in mehreren Teams und Diensten übernommen wurden.

Sie passen gut zu uns, wenn

Sie über umfassende Fachkenntnisse in Cloud-Infrastruktur, Plattformengineering und Cloud-Sicherheit verfügen, mit praktischer Erfahrung in der Sicherung verteilter Produktionsumgebungen durch Cloud-Sicherheitsmanagement, Erkennung von Laufzeitanfälligkeiten und automatisierte Durchsetzung von Richtlinien. Sie verstehen, wie man Zuverlässigkeit, Sicherheit, Netzwerk und betriebliche Effizienz im großen Maßstab ausbalanciert.

Sie haben Erfahrung in der Implementierung von KI-gesteuerten Betriebsfähigkeiten, wenden FinOps-Prinzipien an, um die Infrastruktur zu optimieren, und entwerfen hochverfügbare verteilte Systeme, die außergewöhnliche Resilienz und Leistung bieten.

• Nachgewiesene Erfahrung im Cloud-Sicherheitsmanagement, im Schutz von Arbeitslasten, in Policy-as-Code, in sicherheitsorientierter Infrastruktur und in automatisierter Sicherheitsdurchsetzung über cloud-native Plattformen und CI/CD-Pipelines.
• Praktische Erfahrung mit KI-Verkehrsmanagement durch LLM-Gateways, Kapazitätsplanung, Ressourcenoptimierung, FinOps-basierte Optimierung, autonome Operationen, prädiktive Alarmierung und selbstheilende Plattformen.
• Tiefes Wissen über Netzwerke, Routing, Lastenausgleich, Verbindungsresilienz und verteilte Systeme, mit der Fähigkeit, Netzwerk, Sicherheit und Zuverlässigkeit in skalierbare Plattformarchitekturen zu integrieren.

Was wir bieten

Eine Rolle bei einem der am schnellsten wachsenden und aufregendsten Quantenunternehmen der Welt. Ein wettbewerbsfähiges Vergütungssystem, ein Leistungspaket und einen Aktienplan, die darauf ausgelegt sind, Exzellenz zu belohnen. Flexible Arbeitsmodelle, die es Ihnen ermöglichen, Ihr Leben, Ihre Familie und Ihre Karriere in Einklang zu bringen. Laufende Schulungen und Weiterbildungen, um Ihre Fähigkeiten scharf zu halten und Ihr Wachstum auf Kurs zu halten. Einen Karriereentwicklungsplan innerhalb der Unternehmen der IonQ-Gruppe. Eine dynamische, enge Umgebung, in der Sie mit einem globalen Team von Experten zusammenarbeiten. Eine leistungsorientierte Kultur, die auf Vertrauen, Teamarbeit und gemeinsamen Ambitionen basiert.

ID Quantique/IonQ ist ein Arbeitgeber, der Chancengleichheit bietet und qualifizierte Bewerber ohne Rücksicht auf Rasse, Hautfarbe, Glauben, Religion, nationale Herkunft, Geschlecht, sexuelle Orientierung, Geschlechtsidentität, Alter, Behinderung, Veteranenstatus oder einen anderen gesetzlich geschützten Status berücksichtigt.