About the role
(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