(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