Senior MLOps Engineer

Über die Rolle

Lieben Sie es, das technische Rückgrat zu bauen, das Machine-Learning-Modelle in Produkte verwandelt, die von Millionen genutzt werden? Als Senior MLOps Engineer arbeiten Sie an der Schnittstelle von Data Science, Engineering und DevOps. Sie entwickeln APIs, Infrastruktur und Optimierungen, um Preis- und Nachfragemodelle von Notebooks in die Produktion zu bringen. Ihre Arbeit prägt direkt Produkte, die von Millionen Konsumenten in ganz Europa genutzt werden.

Ihre Aufgaben

• Modelle in die Produktion bringen: Implementierung von Preis- und Nachfragemodellen sowie Aufbau und Wartung der APIs und Serving-Infrastruktur für skalierbare Zuverlässigkeit.
• Das technische Rückgrat verantworten: Sie sind die Brücke zwischen Data Scientists und Produktionssystemen – und verwandeln experimentelle POCs in robuste, wartbare Python-Anwendungen.
• Infrastruktur aufbauen & betreiben: Einrichtung und Pflege der Umgebungen, CI/CD-Pipelines und Cloud-Infrastruktur.
• Daten für ML nutzbar machen: Arbeit an Optimierungsprojekten und Sicherstellung von Datenqualität, Konsistenz und Dokumentation.
• Operative Exzellenz vorantreiben: Implementierung von Monitoring, automatisierten Tests und Observability.
• Teamübergreifende Zusammenarbeit: Enge Kooperation mit Data Scientists, Analysten und Ingenieuren, um Prototypen in produktionsreife Lösungen zu überführen.

Das Team

Sie werden Teil des neu gegründeten Teams für Dynamic Pricing & Revenue Management. Gemeinsam mit einem Data Scientist und einem Data Analyst bauen Sie eine intelligente, datengesteuerte Preis-Engine. Das Team schätzt Eigenverantwortung, Zusammenarbeit und pragmatische Problemlösung – und nutzt moderne KI-Tools (Claude, Copilot, Codex). Sie arbeiten mit einem modernen Stack (Airflow, dbt, Redshift, MLflow, SageMaker, Terraform, AWS EKS).

Ihr Profil

• 4+ Jahre Erfahrung in Software Engineering, MLOps, DataOps oder DevOps (idealerweise mit Bezug zu Daten und ML).
• Starke Python-Kenntnisse für sauberen, produktionsreifen Code.
• Erfahrung im Aufbau und Deployment von APIs und Services in der Produktion.
• Fundierte Kenntnisse in CI/CD, Docker und Infrastructure-as-Code (z.B. Terraform).
• Vertrautheit mit Cloud-Plattformen (AWS bevorzugt).
• Erfahrung mit ML-Modell-Deployment (MLflow, SageMaker o.ä.) ist ein großes Plus.
• Wunsch, moderne LLM-Tools und Agenten zur Produktivitätssteigerung einzusetzen.

Was geboten wird

• Wettbewerbsfähiges Gehalt.
• Hybrides Arbeitsmodell mit 50% Büropräsenz in München.
• Persönliches Lernbudget mit Fokus auf KI und Mentoring.
• Bis zu 8 Wochen pro Jahr Remote-Arbeit von inspirierenden Orten.
• Fitness-Rabatte.
• Bonus, Altersvorsorge und private Krankenversicherung.
• Chance, Teil eines der am schnellsten wachsenden Consumer-Tech-Scale-ups in Europa zu werden.