(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 verwandtem Feld – keine Studienabgänger oder Werkstudentenprofile, diese Rolle erfordert echte Berufserfahrung
- Strong Python & Azure Proficiency – du schreibst clean, reusable, well-tested Code, nicht nur Prototypen
- Erfahrung mit NLP, Image Processing, generative AI & OCR – das ist kein Nice-to-have, sondern Daily Business
- Deutsch mindestens B2 & English C1 – du kommunizierst mit Kunden und Kollegen auf beiden Sprachen
- Leadership Ambition bei 100 % Hands-on – du willst führen, aber selbst noch coden, nicht nur PowerPoints präsentieren
- Du bist operativ stark und gleichzeitig strategisch klar – du denkst in Kundenimpact, nicht nur in Accuracy-Scores
- Terraform ist ein Plus – kein Muss, aber willkommen
- Vorherige Erfahrung in einer deutschen Firma und Bereitschaft, hybrid in München zu arbeiten – 2–3 Tage pro Woche im Büro am Goetheplatz
Was hier nicht funktioniert
- Theoretiker, die nur Modelle trainieren, aber nie in Produktion gebracht haben
- Kandidaten, die auf perfekte Struktur warten, statt selbst Struktur zu schaffen
- Menschen ohne Kundenfokus – hier muss technische Exzellenz mit Business Value zusammenlaufen
- Reine Researchers mit geringem Produktions-Exposure
- Kandidaten, die Relocation benötigen – du musst bereits im Großraum München ansässig sein
- Kandidaten, die ein 9-to-5-Job suchen – das ist kein Konzern, hier geht der Extra Mile zur Normalität
- Werkstudenten, Studienabgänger oder Profiles mit <5 Jahren relevanter Praxis – diese Rolle erfordert echte Erfahrung, keine Lernkurve für Grundlagen
- Kandidaten, die mangelnde Struktur als Problem statt als Chance betrachten – Startups haben keine fertigen Prozesse, die baut man selbst
- Kandidaten, die bereit sind zu delegieren, aber nicht selbst mit anzupacken – 100 % operativ heißt 100 % operativ
Benefits
- Fixgehalt 80.000 € – 100.000 € je nach Erfahrung
- VSOP (Employee Share Options) – echte Beteiligung am Erfolg
- Wellpass (subventioniertes Gym-Membership)
- Subventioniertes Deutschlandticket
- Flexible Arbeitszeiten & Hybrid-Modell
- Flache Hierarchien & hohe Verantwortung
- Baustellenbesuche & coole Team-Events
- 26 Urlaubstage (verhandelbar auf 28)
- Direkter Einfluss auf Produkt, Kunden und strategische AI-Richtung
Was diese Rolle besonders macht
- Du baust nicht nur Modelle, sondern eine komplette MLOps-Infrastruktur für einen Markt, der darauf wartet
- Hohe Sichtbarkeit und direkter Einfluss auf die Gründer – kein Elfenbeinturm
- Bestehendes Potential ist bereits da – 14/20 Top-Bauunternehmen, EUR 8 Mio. Funding, Runway bis Mitte 2027
- Unternehmerisches Umfeld mit kurzen Wegen und hoher Geschwindigkeit – trotz realer Kunden und echter Revenue
- Viel Verantwortung, viel Gestaltung, wenig Ausreden. Für manche Menschen ein Albtraum, für die Richtigen genau das, was sie suchen.
Bereit für den nächsten Schritt?
Dann bewirb dich jetzt als (Senior) AI Engineer / MLOps Engineer (w/m/d).
Egal ob dein aktueller Titel MLOps Engineer, Machine Learning Engineer, AI Engineer, ML Platform Engineer, ML DevOps oder AI Infrastructure Engineer heißt:
Entscheidend ist hier nicht dein Titel. Entscheidend ist, ob du MLOps nicht nur verstehst, sondern wirklich in Produktion bringst – mit Kundenimpact, Ownership und dem Extra Mile.
Wichtig: Bitte nenne frühzeitig deine Gehaltserwartung und ob du in anderen Prozessen aktiv bist – wir bewegen uns schnell und wollen keine Zeit verschenken.
Noch Fragen?
08106 – 39 80 370
Find Jobs in Germany on Arbeitnow