Data Engineer

sensmore automatisiert die größten Maschinen der Welt mit beispielloser Intelligenz. Unsere proprietäre Physical AI ermöglicht es schweren Maschinen wie Radladern, sich sofort an dynamische Umgebungen anzupassen und neue Aufgaben ohne vorheriges Training auszuführen. Wir integrieren modernste Robotik in eine Plattform, die Intelligenz und Automatisierungsprodukte antreibt - und die Produktivität sowie Sicherheit für Kunden in der Bergbau-, Bau- und angrenzenden Branchen transformiert.

Als unser Data Engineer werden Sie die Dateninfrastruktur entwerfen, aufbauen und warten, die Sensmores verkörperte KI und Vision-Language-Action-Modelle (VLAMs) antreibt. Sie werden mit Robotik-, ML- und Software-Ingenieuren zusammenarbeiten, um sicherzustellen, dass saubere, zuverlässige Datenströme von unseren Sensorarrays (Radar, LiDAR, Kameras, IMUs) in Trainings- und Inferenzpipelines fließen.

Diese Rolle verbindet klassische Datenengineering-Praktiken (ETL/ELT, Lagerdesign, Überwachung) mit den besten Praktiken von ML Ops: Modellversionierung, Datenabweichungserkennung und automatisches Retraining.

• Datenpipelines aufbauen und betreiben: Multi-Sensor-Telemetrie (Radar-Punktwolken, Video-Frames, Protokollströme) in analysierbare und ML-bereite Formate ingestieren, verarbeiten und transformieren.
• Skalierbaren Speicher entwerfen: Hochdurchsatz-, latenzarme Datenseen und -lager (z.B. S3, Delta Lake, Redshift/Snowflake) architektonisch gestalten.
• ML Ops-Workflows ermöglichen: DVC oder MLflow integrieren, Trigger für das Training/Retaining von Modellen automatisieren, Daten-/Modellverlauf verfolgen.
• Datenqualität sicherstellen: Validierung, Überwachung und Alarmierung implementieren, um Anomalien und Schemaänderungen frühzeitig zu erkennen.
• Cross-funktional zusammenarbeiten: Mit Embedded Systems, Robotik- und Softwareteams zusammenarbeiten, um sich auf Datenschemas, APIs und Echtzeitanforderungen abzustimmen.
• Leistung optimieren: Verteilte Verarbeitung, Abfragen und Speicherlayouts für Kosteneffizienz und Durchsatz optimieren.
• Dokumentieren und evangelisieren: Klare Dokumentation für Datenschemas, Pipeline-Architekturen und ML Ops-Praktiken pflegen, um das gesamte Team zu unterstützen.

• 3+ Jahre praktische Erfahrung im Aufbau von Produktionsdatenpipelines in der Cloud (AWS, GCP oder Azure).
• Kenntnisse in Python, SQL und mindestens einem Big-Data-Framework.
• Vertrautheit mit ML Ops-Tools: DVC, MLflow, Kubeflow oder ähnlichem.
• Erfahrung im Entwurf und Betrieb von Datenlagern/Datenseen (z.B. Redshift, Snowflake, BigQuery, Delta Lake).
• Starkes Verständnis von verteilten Systemen, Datenserialisierung (Parquet, Avro) und Batch- vs. Streaming-Paradigmen.
• Ausgezeichnete Problemlösungsfähigkeiten und die Fähigkeit, in unklaren, schnelllebigen Umgebungen zu arbeiten.

• Hintergrund in Robotik oder Sensordaten (Radar, LiDAR, Kamerapipelines).
• Kenntnisse über Echtzeitdatenverarbeitung und Edge-Computing-Beschränkungen.
• Erfahrung mit Infrastruktur als Code (Terraform, CloudFormation) und CI/CD für Daten-Workflows.
• Vertrautheit mit Kubernetes und containerisierten Bereitstellungen.
• Einblick in Vision-Language- oder Action-Planning-ML-Modelle.

• Physische KI für die größten Maschinen außerhalb der Straße entwickeln – sie intelligent, sicher und bereit für jede schwierige Aufgabe machen.
• Dem Pionier in intelligenter Robotik beitreten, unterstützt von Point Nine und anderen Tier-1-Investoren.
• Modernste Robotikforschung in End-to-End-Lernen & Vision Language Action Model mit realen schweren mobilen Geräten kombinieren.
• Den eigenen Karriereweg gestalten, ob man technischer Spezialist oder technischer Teamleiter werden möchte.
• Eine großartige Teamkultur, Getränke und ein erstaunliches Büroumfeld erleben.

• Attraktives Vergütungspaket und Aktienoptionen.
• Getränke vor Ort und regelmäßige gesellschaftliche Veranstaltungen.
• Mit Spitzenforschern, Ingenieuren und Vordenkern interagieren.
• Die Zukunft der Robotiktechnologien beeinflussen und bedeutende technologische Herausforderungen angehen.
• Unterstützung bei der Umsiedlung nach Berlin.