Staff Network Engineer (AI Fabric, Datacenter and Edge Networking) - Radian Arc

Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Anwendungen und nächsten Schritte verwaltet. Unser Partner sucht einen Staff Network Engineer (AI Fabric, Datacenter und Edge Networking) - Radian Arc mit Sitz in Deutschland. Dies ist eine hochgradig verantwortungsvolle Position im Bereich Netzwerk, die für die Architektur, Bereitstellung und den Betrieb der Infrastruktur verantwortlich ist, die GPU-basierte KI-Workloads unterstützt.

Sie werden die technische Richtung von Hochleistungs-AI-Fabriken übernehmen und dabei tief in die Implementierung, Fehlersuche, Automatisierung und den Betrieb eingebunden sein. Der Umfang umfasst RoCE/RDMA-GPU-Fabriken, Datacenter-Routing, Edge-Konnektivität, Sicherheit und inter-datacenter Backbone-Infrastruktur. Als erster dedizierter Netzwerkspezialist der Organisation werden Sie wiederverwendbare Architekturen, Ingenieurstandards und betriebliche Praktiken von Grund auf neu etablieren.

Sie werden eng mit den Teams für Compute, Storage, Plattform, SRE, Observability und Datacenter zusammenarbeiten, um das Networking zu einem zentralen Bestandteil des Infrastrukturdesigns zu machen. Die Rolle kombiniert architektonische Führung mit direkter Ausführung in einer schlanken, schnell wachsenden internationalen Umgebung. Es ist eine Gelegenheit, die Netzwerkgrundlage für verteiltes KI-Training und Inferenz über globale Datacenter- und Edge-Bereitstellungen zu gestalten.

Verantwortlichkeiten

• AI-Fabric-Architektur: Entwerfen, bereitstellen und betreiben von Hochleistungs-GPU-Netzwerkfabriken für verteilte KI-Workloads, einschließlich RoCE, RDMA, Spectrum-X, Leaf-Spine, Fat-Tree, Rail und Multi-Plane-Architekturen.
• AI-Leistungsoptimierung: Analysieren von GPU-Kommunikationsmustern und Optimieren des Ost-West-Verkehrs, der Staukontrolle, der Latenz, des Durchsatzes und der Zuverlässigkeit für verteilte Trainings- und Inferenz-Workloads.
• Datacenter-Netzwerk: Verantwortung für Layer 2/3-Architektur unter Verwendung von BGP, ECMP, EVPN/VXLAN, VLAN/VRF, OVS/OVN, Linux-Netzwerk, Bridges, Overlays und skalierbaren Routing-Mustern.
• Sicherheit und Edge-Konnektivität: Entwerfen und Betreiben von Nord-Süd-Konnektivität, WAF- und Anwendungsschutzmaßnahmen, TLS-Terminierung, DDoS-Minderung und Gateway-Infrastruktur.
• Inter-Datacenter-Netzwerk: Entwerfen privater Konnektivität, Dark-Fiber- und Metro-Fiber-Ringe, Hochgeschwindigkeits-WAN-Links, DWDM-Transport, inter-site BGP-Routing, Redundanz und Fehlerdomänen-Isolierung.
• End-to-End-Lieferung: Führen von Infrastrukturinitiativen von der Architektur und Laborvalidierung über BOM-Validierung, Datacenter-Layouts, Bereitstellung, Akzeptanz und Produktionsrollout.
• Betriebliche Exzellenz: Etablierung von Automatisierung für Bereitstellung, Konfigurationsmanagement, Überwachung, Lebenszyklusmanagement, Validierung und Tagesbetrieb, während die Zuverlässigkeit und Wiederherstellungspraktiken verbessert werden.
• Vorfallführung: Als seniorer Eskalationspunkt für komplexe Netzwerkvorfälle fungieren, Untersuchung, Ursachenanalyse, Behebung und langfristige architektonische Verbesserungen leiten.
• Leistung und Zuverlässigkeit: Definieren und Überwachen von SLAs, SLOs, Latenz, Zuverlässigkeit, Kapazität und betrieblichen Kennzahlen, Übersetzung der Ergebnisse in konkrete Ingenieureingriffe.
• Cross-funktionale Führung: Partnerschaft mit Infrastruktur-, Plattform-, SRE-, Compute-, Storage-, Observability- und Datacenter-Teams, während Netzwerknormen gesetzt und langfristige Architektur beeinflusst werden.
• Technische Führung: Als primäre Autorität für Netzwerkdesign fungieren, Ingenieure in angrenzenden Bereichen betreuen und wiederverwendbare Muster etablieren, die mit der Organisation skalieren können.
• Automatisierung und Nutzung: Erstellen von Python- und/oder Bash-Tools, Validierungsrahmen und Betriebssystemen, die manuelle Arbeit reduzieren und die Konsistenz über Bereitstellungen hinweg erhöhen.

Anforderungen

• Netzwerktechnik-Erfahrung: Starke praktische Erfahrung im Entwerfen und Betreiben von großflächigen Datacenter-Netzwerken in der Produktion, mit Expertenwissen in BGP, OSPF, ECMP und EVPN/VXLAN.
• AI-Netzwerk-Expertise: Tiefe Erfahrung im Entwerfen und Betreiben von Hochleistungs-GPU-Netzwerkfabriken für verteilte KI-Workloads, einschließlich praktischer RoCE/RDMA-Expertise.
• GPU-Kommunikationskenntnisse: Starkes Verständnis der NCCL-Kommunikationsmuster – einschließlich All-Reduce, All-Gather, Broadcast und Reduce-Scatter – und deren Auswirkungen auf Netzwerk-Topologie und Leistung.
• RoCE-Optimierung: Erfahrung in der Feinabstimmung großflächiger RoCE-Fabriken, einschließlich PFC- und ECN-Stauverwaltung sowie Diagnose von NCCL-Staus, RDMA-Stau, Fabrik-Hotspots und Paketverlustproblemen.
• Produktionsinfrastruktur: Nachgewiesene Erfahrung mit Hochgeschwindigkeits-Ethernet und NVIDIA/Mellanox-Netzwerkplattformen sowie Hochleistungs-Interconnects, Optik und Netzwerkhardware.
• Systemfehlerbehebung: Fähigkeit zur Untersuchung komplexer Probleme über mehrere Schichten hinweg, die Hardware, Firmware, Linux/Kernel-Netzwerk und die Kommunikation verteilter Anwendungen umfassen.
• Automatisierung: Starke Python- und/oder Bash-Kenntnisse, mit Erfahrung in der Anwendung von Software-Engineering-Praktiken zur Infrastrukturautomatisierung und dem Aufbau wiederverwendbarer Betriebsmittel.
• Observabilität: Erfahrung im Entwerfen von Netzwerkobservabilität und unabhängiger Analyse betrieblicher Daten, idealerweise mit Tools wie PostHog oder gleichwertigen Systemen.
• Architektur und Ausführung: Nachgewiesene Fähigkeit, sowohl langfristige Architektur als auch praktische Implementierung in schlanken oder schnell wachsenden Umgebungen zu übernehmen.
• Technische Führung: Nachgewiesene Fähigkeit, komplexe Initiativen zu leiten, Ingenieurstandards zu etablieren, mehrere Teams ohne formale Autorität zu beeinflussen und Leistung, Zuverlässigkeit, Skalierbarkeit, Betriebsfähigkeit und Kosten auszubalancieren.
• Kommunikation: Starke Stakeholder-Management- und Kommunikationsfähigkeiten, mit der Fähigkeit, architektonische Entscheidungen, Abwägungen und technische Risiken klar zu erklären.
• Mentoring: Fähigkeit, das technische Niveau angrenzender Ingenieurteams zu heben und zur Entwicklung einer zukünftigen Netzwerkorganisation beizutragen.
• Sprachen: Berufliche Arbeitskenntnisse in Englisch; die Fähigkeit, effektiv mit internationalen Teams zusammenzuarbeiten, ist unerlässlich.

Vorteile

• Attraktives Vergütungspaket, das auf Ihrer Expertise, Erfahrung und den Marktbedingungen basiert.
• Vollzeitbeschäftigung oder Vertragsengagement, je nach Vereinbarung.
• 100% Remote-Arbeit innerhalb Europas.
• Flexibles und internationales Arbeitsumfeld, das auf Autonomie, Zusammenarbeit und Vertrauen basiert.
• Gelegenheit, einem schnell wachsenden Scale-up beizutreten, das an der Schnittstelle von KI, Cloud-Infrastruktur, GPU-Computing und Telekommunikation tätig ist.
• Signifikanter technischer Einfluss als erster dedizierter Netzwerkspezialist, mit der Möglichkeit, Architektur und Ingenieurstandards von Grund auf zu gestalten.
• Breite an Erfahrungen mit modernsten AI-Fabriken, Hochgeschwindigkeits-Ethernet, RoCE/RDMA, GPU-Infrastruktur, optischem Networking und Edge-Computing.
• Karrierewachstumschancen innerhalb einer schnell wachsenden Organisation.
• Inklusives, diverses und internationales Arbeitsumfeld.
• Rolle, die für hohen technischen Einfluss ausgelegt ist und Staff-Level-architektonische Verantwortung mit praktischer Ingenieurtätigkeit kombiniert.