Senior Applied AI Solutions Engineer

Die Rolle AI entwickelt sich schneller, als ein einzelnes Produktteam verfolgen kann. Nebius expandiert in den Bereichen Serverless, Datenbanken, MLflow, MLOps, Physical AI und HCLS – und Kunden mit komplexen, realen ML-Workloads benötigen mehr als nur Dokumentation. Diese Rolle existiert, um diese Lücke zu schließen: jemand, der prototypisieren kann, was möglich ist, Kunden in ihren ersten 90 Tagen beschleunigt und wertvolle Erkenntnisse aus dem Feld in die Produkt-Roadmap zurückspeist. Diese Rolle befindet sich an der Schnittstelle zwischen tiefem ML-Engineering und Produktimpact. Sie verbringen ungefähr die Hälfte Ihrer Zeit im Feld – helfen neuen Kunden, von POC zu Produktion zu wechseln, führen technische Schulungen durch und arbeiten praktisch an ihrem ML-Stack. Die andere Hälfte verbringen Sie mit dem Aufbau – Prototyping von Anwendungsfällen für KI, die zeigen, was auf der Plattform möglich ist, tiefgehendes Arbeiten an aufkommenden Techniken, bevor sie Mainstream werden, und diese Expertise in konkrete Produktentscheidungen umsetzen.

Was Erfolg in 12 Monaten aussieht:

• Die Produkt- und Vertriebsteams haben eine Bibliothek von funktionierenden, polierten Demos, auf die sie bei Anrufen zurückgreifen können.
• Enterprise-Kunden, mit denen Sie gearbeitet haben, haben eine bedeutend schnellere Wertschöpfung als diejenigen, mit denen Sie nicht gearbeitet haben.
• Mindestens 2–3 Produktänderungen wurden aufgrund von Feedback, das Sie initiiert haben, ausgeliefert.
• Das Team versteht, wohin sich angewandte KI in den nächsten 6–12 Monaten entwickeln wird, teilweise weil Sie es ihnen gesagt haben.

Ihre Aufgaben umfassen:

• Prototypen und Demos über das Produktportfolio hinweg erstellen – serverlose Inferenz, Datenbanken, MLflow, MLOps und vertikale Anwendungsfälle in Physical AI und HCLS – die Vermögenswerte für Vertriebs-, Produkt- und Engineering-Teams werden.
• Neue Kunden praktisch durch das Design von POCs, technische Schulungen und Validierung unterstützen; als Brücke zwischen ihrem ML-Team und der Plattform während der kritischen ersten Monate fungieren.
• Tief in aufkommende angewandte KI eintauchen – neue Trainingstechniken, Inferenzoptimierungen, agentische Architekturen, neue Frameworks – und Erkenntnisse in funktionierende Prototypen, Berichte und Produktempfehlungen umsetzen.
• Die Produkt-Roadmap mit spezifischem, fundiertem Feedback füttern; die Stimme von "hier ist, was letzten Monat in drei Kunden-POCs kaputt gegangen ist und hier ist, was sich ändern muss" sein.
• Wiederverwendbare technische Vermögenswerte entwickeln – Notebooks, Referenzarchitekturen, Benchmark-Ergebnisse – die die Einarbeitungsfriktion im großen Maßstab reduzieren.

Wir erwarten von Ihnen:

• Sie haben große Modelle optimiert, verteilte Trainingsjobs debuggt, Produktions-RAG oder agentische Pipelines aufgebaut und die Inferenz auf GPU-Infrastruktur optimiert – nicht nur darüber gelesen.
• Sie sind mit dem modernen ML-Stack vertraut: PyTorch, HuggingFace, CUDA-Grundlagen, Kubernetes für ML, MLflow oder Ähnliches, Vektordatenbanken.
• Sie haben mit Enterprise-ML-Teams gearbeitet – sei es als Solutions Engineer, Customer Engineer oder ML Engineer, der eng mit Kunden zusammengearbeitet hat.
• Sie lesen Papers und setzen sie um – nicht für Anerkennung, sondern weil es Ihnen hilft, scharf zu bleiben.
• Sie kommunizieren präzise: Sie können die Trade-offs von Aktivierungs-Checkpointing einem ML-Ingenieur am Morgen und die Kostenimplikationen einem CTO am Nachmittag erklären.

Es wäre ein zusätzlicher Bonus, wenn Sie:

• Erfahrung in einem unserer vertikalen Bereiche haben: Physical AI / Robotik / Simulation, HCLS (Arzneimittelentdeckung, medizinische Bildgebung, klinische NLP) oder Entwicklung von Unternehmens-KI-Anwendungen.
• Vertrautheit mit MLOps im großen Maßstab (Kubeflow, Metaflow, Argo, Ray).
• Frühere Arbeit bei einem Cloud-Anbieter oder einem KI-Infrastrukturunternehmen.
• Technische Arbeiten öffentlich geteilt haben – Notebooks, Vorträge, Blogbeiträge, die tatsächlich genutzt werden.

Wer hier gedeiht:

Sie gedeihen hier, wenn Sie von Vielfalt begeistert sind – einen Tag tief im MLOps-Stack eines Kunden, am nächsten Tag ein Demo von Grund auf neu erstellen. Sie möchten, dass Ihre technische Tiefe Produktentscheidungen beeinflusst, nicht nur Geschäfte abschließt.

Was wir bieten:

• Wettbewerbsfähiges Gehalt und umfassendes Leistungspaket.
• Möglichkeiten zur beruflichen Weiterentwicklung innerhalb von Nebius.
• Flexible Arbeitsbedingungen.
• Ein dynamisches und kollaboratives Arbeitsumfeld, das Initiative und Innovation schätzt.

Wir wachsen und erweitern unsere Produkte jeden Tag. Wenn Sie bereit für die Herausforderung sind und genauso begeistert von KI und ML sind wie wir, dann kommen Sie zu uns!