Team Lead AI Engineering in München

Wir suchen einen erfahrenen Teamleiter für AI Engineering, der ein Team von AI-Ingenieuren leitet und aufbaut, das an komplexen, produktionsreifen AI-Systemen arbeitet. Sie übernehmen die vollständige Verantwortung für die AI-Infrastruktur und -Fähigkeiten hinter einer digitalen Lieferkettenplattform, einschließlich Architektur, Pipeline-Design, MLOps und Produktionsbereitstellung.

Die Rolle kombiniert praktische technische Expertise mit strategischer Führung und Personalmanagement. Sie arbeiten an herausfordernden realen Problemen, die NLP, OCR, Bildverarbeitung, generative AI, AI-Agenten, Unsicherheitsabschätzung und automatisierte Dokumentenabgleichung umfassen. Ein Schwerpunkt liegt auf dem Aufbau von AI-Systemen, die zuverlässig mit realen Dokumenten arbeiten, einschließlich Dokumenten und Formaten, die die Modelle zuvor noch nicht gesehen haben. Genauigkeit, Robustheit, Erklärbarkeit und das Wissen, wann ein System einen Fall zur menschlichen Überprüfung eskalieren sollte, sind entscheidend.

Verantwortlichkeiten

• Leiten und Wachsen eines Teams von AI-Ingenieuren, Bereitstellung strategischer technischer Richtung und Personalführung.
• Übernahme der vollständigen Verantwortung für die AI-Infrastruktur und -Fähigkeiten, die die Plattform antreiben, von der Pipeline-Architektur und -Entwicklung bis zur Produktionsbereitstellung.
• Eigentum und kontinuierliche Verbesserung der MLOps-Prozesse und -Infrastruktur, um sicherzustellen, dass AI-Systeme zuverlässig, skalierbar, sicher und wartbar bleiben.
• Entwurf und Implementierung fortschrittlicher AI-Fähigkeiten, die NLP, OCR, Bildverarbeitung, generative AI und AI-Agenten umfassen.
• Entwicklung von Lösungen zur zuverlässigen Extraktion strukturierter Informationen aus einer Vielzahl von realen Dokumenten.
• Aufbau von Unsicherheitsabschätzungsmechanismen, die es AI-Systemen ermöglichen, zu erkennen, wann eine menschliche Überprüfung erforderlich ist, anstatt unzuverlässige Vorhersagen zu treffen.
• Entwicklung von Systemen, die in der Lage sind, verwandte Geschäftsdokumente automatisch abzugleichen und Inkonsistenzen zwischen ihnen zu identifizieren.
• Enger Austausch mit der technischen und Produktleitung zur Bereitstellung von Machine-Learning-Modellen, AI-Diensten und Datenpipelines in der Produktion.
• Übersetzung von Kunden- und Geschäftsanforderungen in klare technische Prioritäten.
• Vertretung des AI-Engineerings in strategischen Produkt-, technischen und kommerziellen Diskussionen.
• Einrichtung strenger Testpraktiken und Definition von Standards für Genauigkeit, Effizienz, Robustheit und Unsicherheitsabschätzung.
• Sicherstellung der Skalierbarkeit, Wartbarkeit und Zuverlässigkeit bestehender AI-Lösungen, während die Entwicklung neuer Fähigkeiten von Grund auf geleitet wird.
• Einrichtung und kontinuierliche Verbesserung von Ingenieurstandards, Werkzeugen, Entwicklungsprozessen und Qualitätspraktiken im Team.
• Coaching und Mentoring von AI-Ingenieuren zur Unterstützung ihrer technischen und beruflichen Entwicklung.
• Förderung des effektiven Einsatzes moderner AI-unterstützter Ingenieurwerkzeuge im Team.

Anforderungen

• Abschluss (Bachelor oder Master) in Informatik, Ingenieurwesen oder einem verwandten Bereich oder gleichwertige relevante Ausbildung und Erfahrung.
• Mindestens 5 Jahre Berufserfahrung im AI Engineering.
• Mindestens 1 Jahr Erfahrung in einer technischen Führungs- oder Teamleitungsposition.
• Nachgewiesene Erfahrung in der Leitung oder Verwaltung technischer Teams mit starken Fähigkeiten im Personalmanagement und Mentoring.
• Starkes Verständnis des gesamten AI/ML-Lebenszyklus, einschließlich Entwicklung, Bereitstellung, Überwachung und MLOps.
• Praktische Erfahrung in der Verarbeitung natürlicher Sprache (NLP).
• Praktische Erfahrung in der Bildverarbeitung und computer vision-bezogenen Anwendungen.
• Erfahrung mit OCR-Technologien und Dokumentenverarbeitungs-Pipelines.
• Erfahrung mit generativer AI und modernen LLM-basierten Systemen.
• Solides Verständnis von AI-Agenten, Werkzeugnutzung und den praktischen Einschränkungen agentischer Systeme.
• Starke Python-Entwicklungsfähigkeiten.
• Praktische Erfahrung mit Microsoft Azure.
• Erfahrung mit Infrastructure as Code; Terraform-Kenntnisse sind von Vorteil.
• Starkes Verständnis von produktionsreifen AI-Engineering, einschließlich Skalierbarkeit, Zuverlässigkeit, Sicherheit, Tests und Wartbarkeit.
• Fähigkeit, sauberen, gut getesteten, produktionsbereiten Code zu schreiben, unter Berücksichtigung des Verhaltens und der Überwachung nach der Bereitstellung.
• Erfahrung im Entwerfen und Betreiben zuverlässiger Daten- und Machine-Learning-Pipelines.
• Fließende Deutsch- und Englischkenntnisse auf C1-Niveau oder höher.
• Bereitschaft, mindestens zwei Tage pro Woche im Büro in München zu arbeiten.

Vorteile

• Hohe Autonomie und direkter Zugang zur Unternehmensführung innerhalb einer flachen Organisationsstruktur.
• Signifikanter Einfluss und kreative Freiheit, um das AI-Team zu wachsen und seine technische Richtung zu gestalten.
• Verantwortung für die Definition der technischen Roadmap für AI und die Entwicklung der breiteren MLOps-Infrastruktur.
• Gelegenheit, komplexe, reale Herausforderungen in den Bereichen NLP, OCR, Dokumentenverarbeitung und Unsicherheitsabschätzung zu lösen.
• Arbeiten an AI-Systemen mit direktem, messbarem Einfluss auf die täglichen Abläufe der Kunden.
• AI-first Ingenieurumgebung mit Zugang zu modernen Entwicklungs- und AI-unterstützten Codierungswerkzeugen.
• Gelegenheit, neue AI-Fähigkeiten und -Infrastrukturen von Grund auf neu aufzubauen, anstatt nur bestehende Systeme zu warten.
• Starker Einfluss auf Ingenieurstandards, Architektur, Werkzeuge und technische Prozesse.
• Hybrides Arbeitsmodell mit einem modernen Büro im Zentrum von München und flexiblen Homeoffice-Tagen.
• Keine regelmäßigen Geschäftsreisen erforderlich.
• Zusätzliche Vorteile wie flexible Urlaubsoptionen, Mobilitäts- und Fitnessleistungen, Unternehmensvergünstigungen, Teamevents und Offsites.
• Gelegenheit, Teil eines wachsenden Technologieumfelds zu werden, das sich auf die Verbesserung von Effizienz, Transparenz und Nachhaltigkeit in komplexen Lieferketten konzentriert.