(Senior) AI Engineer / MLOps Engineer (w/m/d)

(Senior) AI Engineer / MLOps Engineer (w/m/d) München, Goetheplatz – Hybrid, 2–3 Tage Büro, 80.000 € – 100.000 € + VSOP Du willst nicht einfach Modelle trainieren, sondern eine MLOps-Infrastruktur bauen, die in der Produktion wirklich läuft? Hier geht es nicht um Research-Papers und Sandbox-Experimente. Hier geht es darum, KI-Lösungen für die Baubranche zu liefern – mit echtem Impact auf Lieferketten, CO₂ und Milliardenkosten. Unser Kunde Unser Kunde ist ein wachsendes Supply-Chain-SaaS-Start-up mit rund 50 Mitarbeitenden, das die Baubranche digitalisiert. Das Umfeld ist schnell, leistungsorientiert und stark von Umsetzung geprägt. Keine endlosen Strategierunden ohne Ergebnis, sondern Menschen, die Verantwortung übernehmen und Dinge wirklich voranbringen. 14 von 20 Top-Bauunternehmen in Deutschland sind bereits an Bord – jetzt braucht es jemanden, der die KI-Infrastruktur auf das nächste Level bringt. Warum diese Rolle spannend ist Du baust die MLOps-Prozesse und AI-Infrastruktur auf Azure von Grund auf – reliable, scalable, secure Du arbeitest direkt mit Engineering, Product und den Gründern zusammen Du bekommst echten Gestaltungsspielraum statt Konzernpolitik – flache Hierarchien, high ownership Greenfield-AI-Challenges: NLP, Computer Vision, OCR, generative KI – alles in einem Produkt, das echte Kunden hat Du kannst technische Initiativen mit Kundenbedürfnissen alignen, nicht nur im Elfenbeinturm entwickeln Hoher Einfluss auf Produkt, Skalierung und strategische AI-Richtung Hands-on-Mentalität ist hier kein Buzzword auf der Karriereseite, sondern schlicht notwendig. Tragisch selten geworden. Aufgaben Lead MLOps-Prozesse: Bau und Betrieb der Infrastruktur, die AI-Systeme reliable, scalable und secure macht – auf Azure, in Produktion, nicht im Notebook Bridge AI und Business Value: Technische Initiativen mit Kundenbedürfnissen alignen, Sales und Product unterstützen, messbaren Impact für Kunden treiben Design und Implementierung: Advanced Features für das AI-driven Supply-Chain OS – enge Zusammenarbeit mit Engineering und Product Integration: ML-Modelle und Data Pipelines smooth in Produktionssysteme bringen – nicht werfen, sondern integrieren Qualität und Verbesserung: Accuracy, Efficiency, Uncertainty Estimation bestehender AI-Features verbessern – rigorous testing, keine "works on my machine"-Mentalität Skalierung und Maintainability: AI-Lösungen skalierbar, wartbar und erweiterbar halten – und neue bauen Engineering Standards: Hohe Standards in Practices, Tooling und Prozessen etablieren und durchsetzen Qualifikation Nachweisbarer Erfolgstrackrecord als MLOps / ML Engineer mit 5+ Jahren hands-on Erfahrung über den gesamten ML-Lifecycle – nicht nur Training, sondern Deploying, Operating, Scaling in Produktion Du hast mindestens ein Unternehmen oder Projekt über einen Zeitraum von 2+ Jahren maßgeblich geprägt und dabei echte AI-Infrastruktur in Produktion gebracht Bachelor oder Master in Engineering, Computer Science, Mathematics oder verwandt