Engineering Manager, Data Platform & ML Ops

Wir suchen derzeit einen Engineering Manager, Data Platform & ML Ops in Deutschland. Diese Rolle befindet sich im Kern einer schnell wachsenden, global verteilten, 100% remote Engineering-Organisation, die sich auf den Aufbau von hochvertrauenswürdigen Systemen zur Betrugsprävention und digitalen Identität konzentriert. Sie werden ein Team leiten, das für das Daten- und Machine Learning-Rückgrat verantwortlich ist, das kritische Analysen, Produktintelligenz und Produktions-ML-Systeme antreibt. Ihre Arbeit wird direkt beeinflussen, wie großangelegte Verhaltenssignale in zuverlässige, produktionsbereite Modelle und Erkenntnisse umgewandelt werden, die in den Kernprodukten verwendet werden.

Sie werden sowohl die Evolution der Datenplattform als auch den gesamten ML Ops-Lebenszyklus überwachen und dabei Skalierbarkeit, Zuverlässigkeit und Leistung auf jeder Ebene sicherstellen. Dies ist eine hochgradig funktionsübergreifende Führungsrolle, die eng mit Datenwissenschaftlern, Ingenieuren und Produktteams zusammenarbeitet, um Daten in messbare Auswirkungen zu verwandeln. Sie werden auch eine Schlüsselrolle bei der Gestaltung der Engineering-Kultur, der Mentoring-Talente und der Förderung technischer Exzellenz in einem sich schnell entwickelnden Umfeld spielen. Die Position ist ideal für einen praktischen technischen Leiter, der an der Schnittstelle von Dateninfrastruktur, Machine Learning-Systemen und Mitarbeiterführung gedeiht.

Verantwortlichkeiten

• Leiten und Wachsen eines leistungsstarken Teams von Ingenieuren, während Sie die Strategie, Zuverlässigkeit und Evolution sowohl der Datenplattform als auch des ML Ops-Ökosystems besitzen.
• Sicherstellen, dass Daten- und Machine Learning-Systeme skalierbar, produktionsbereit und auf die Geschäfts- und Produktbedürfnisse abgestimmt sind.
• Führen, Mentoren und Entwickeln eines Teams von Datenplattform- und ML Ops-Ingenieuren, um technische Exzellenz und Karrierewachstum zu fördern.
• Besitzen der Architektur, Zuverlässigkeit und Skalierbarkeit des internen Data Warehouses, das Analysen und Produktintelligenz unterstützt.
• Überwachen des End-to-End-ML Ops-Lebenszyklus, einschließlich Experimentierung, Trainingspipelines, Bereitstellung und Produktionsüberwachung.
• Leiten technischer Architekturentscheidungen und Überprüfen komplexer Ingenieurvorschläge über Daten- und ML-Systeme.
• Zusammenarbeiten mit Datenwissenschaftlern, Produktmanagern und Engineering-Führungskräften, um Dateninitiativen in Geschäftsauswirkungen zu übersetzen.
• Definieren und Weiterentwickeln von Engineering-Standards, Werkzeugen und Best Practices über Daten- und ML-Infrastrukturen.
• Fördern kontinuierlicher Verbesserungen in Systemleistung, Zuverlässigkeit und operativer Reife.
• Sicherstellen der Lieferung von hochwirksamen Datenprodukten, die Systeme zur Betrugserkennung und Identitätsintelligenz unterstützen.

Anforderungen

• Mindestens 2+ Jahre Erfahrung in der Leitung von Ingenieurteams in den Bereichen Daten, ML oder Plattform.
• 5+ Jahre Berufserfahrung in der Datenverarbeitung, ML-Engineering oder eng verwandten Software-Engineering-Rollen.
• Starke technische Grundlagen in der Dateninfrastruktur und Machine Learning-Systemen in SaaS-Umgebungen.
• Praktische Vertrautheit mit ML Ops-Workflows, einschließlich Trainingspipelines, Bereitstellung und Überwachung.
• Erfahrung mit modernen Datenplattformen wie ClickHouse, Databricks, Snowflake oder BigQuery.
• Kenntnisse in Cloud-Infrastrukturen, insbesondere AWS-basierten Daten- und ML-Systemen.
• Nachweisliche Fähigkeit, hochzuverlässige Ingenieurteams zu führen, die produktionsreife Datenprodukte liefern.
• Starke Kommunikations-, Führungs- und funktionsübergreifende Zusammenarbeit.

Vorteile

• Wettbewerbsfähiges Vergütungspaket, das an US-Marktbewertungen ausgerichtet ist.
• Vollständig remote, global verteilte Arbeitsumgebung.
• Gelegenheit, mission-critical Daten- und ML-Systeme in großem Maßstab zu leiten.
• Einflussreiche Rolle, die die Kernproduktintelligenz und die Fähigkeiten zur Betrugserkennung beeinflusst.
• Starke Engineering-Kultur, die sich auf Autonomie, Lernen und Innovation konzentriert.
• Einblick in moderne Datenstacks und fortschrittliche ML Ops-Infrastruktur.
• Inklusive, vielfältige und kollaborative Remote-First-Organisation.