Machine Learning Engineer / MLOps Engineer (m/w/d) Remote (Deutschland) Angestellte/r Softwareentwicklung

RockstarDevelopers GmbH; Stuttgart; Hybrid; Vertraulich; Vollzeit

Benefits dieser Stelle

Remote-first in der DACH-Region

MacBook

Flat hierarchies

Upskilling

Produktivprojekte statt Lab

Zusammenfassung

Rockstardevelopers sucht eine/n Senior ML Engineer, der produktive KI-Systeme im öffentlichen Sektor gestaltet und in bestehende Branchenlösungen integriert. Die Rolle arbeitet remote-first in der DACH-Region, mit gelegentlicher Vor-Ort-Arbeit in Stuttgart oder München.

Du entwickelst ML-Pipelines, automatisierst Training, betreibst Model Serving, monitorst Systeme und integrierst Modelle in Fachanwendungen. Deutsch ist Arbeits- und Projektsprache.

Qualifikationen

• Mindestens 3 Jahre Erfahrung in CI/CD-Entwicklung.
• Mindestens 3 Jahre Erfahrung in Python-Entwicklung.
• Mindestens 3 Jahre Erfahrung mit Kubernetes und Docker.
• Mindestens 3 Jahre Berufserfahrung als Machine Learning Engineer.
• Mindestens 3 Jahre Projektarbeit in agilen Entwicklerteams.
• Deutsch mindestens auf C1-Niveau in Wort und Schrift.

Aufgaben

• Produktive Daten- und ML-Pipelines entwickeln.
• Datenaufbereitung und Modelltraining automatisieren.
• Model Serving aufbauen und betreiben, inklusive Monitoring und Alerting.
• ML-Modelle in Fachanwendungen integrieren.
• ML-Modelle überwachen, Model Drift erkennen.
• Technologischen Stack und DevOps-/MLOps-Prozesse weiterentwickeln.

Kenntnisse

CI/CD

Python

Kubernetes

Docker

Machine Learning

Agile Entwicklung

Tools

Prometheus

Grafana

Kubeflow/OpenShift AI

Jenkins

ArgoCD

Jobbeschreibung

Du baust produktive KI-Systeme (LLM, RAG, Agenten) für große Kunden im öffentlichen Sektor. Kein Prototyp für die Schublade, sondern Software, die im Regelbetrieb läuft.

Wer wir sind

Rockstardevelopers, gegründet 2015, Büros in Stuttgart und München. Aus hunderten Projekten für Enterprise- und Mittelstandskunden wissen wir, wie man Software baut, die im Ernstfall trägt.

Seit einer Weile verschiebt sich unser Schwerpunkt Richtung KI: LLM-Anwendungen, RAG, Agenten-Systeme, die beim Kunden wirklich produktiv gehen. Genau dafür suchen wir dich.

Worum es geht

Unsere Kunden sind IT-Dienstleister im öffentlichen Sektor, ein reguliertes Umfeld mit hohen Ansprüchen an Datenschutz und Betriebssicherheit. Dort baust du KI-Lösungen in bestehende Branchenlösungen ein: Dialogsysteme, semantische Suche, RAG-Pipelines, Agenten, alles im echten Produktivbetrieb für viele Nutzer. Projektsprache ist Deutsch.

Ein Wort zu Remote, weil es oft die erste Frage ist: Der Alltag läuft remote-first innerhalb der DACH-Region. Ab und zu bist du vor Ort, den Rest der Zeit arbeitest du von dort, wo du gut arbeitest.

Aufgaben

• Produktive Daten- und ML-Pipelines entwickeln
• Datenaufbereitung und Modelltraining automatisieren
• Model Serving aufbauen und betreiben, inklusive Monitoring und Alerting
• ML-Modelle in Fachanwendungen integrieren
• ML-Modelle überwachen, Model Drift erkennen
• Technologischen Stack und DevOps-/MLOps-Prozesse weiterentwickeln

Qualifikation

Das musst du mitbringen

Die folgenden sechs Punkte sind harte Voraussetzungen, jeder muss nachweisbar sein. Wenn einer davon fehlt, können wir dich leider nicht ins Rennen schicken. So ehrlich sind wir lieber vorab, als dir Zeit zu stehlen.

• Mindestens 3 Jahre Erfahrung in CI/CD-Entwicklung
• Mindestens 3 Jahre Erfahrung in Python-Entwicklung
• Mindestens 3 Jahre Erfahrung mit Kubernetes und Docker
• Mindestens 3 Jahre Berufserfahrung als Machine Learning Engineer
• Mindestens 3 Jahre Projektarbeit in agilen Entwicklerteams
• Deutsch mindestens auf C1-Niveau in Wort und Schrift, nachweisbar über ein Sprachzertifikat oder als Muttersprache

Das bringst du idealerweise mit

Kein Muss, aber je mehr davon, desto besser:

• DevOps-Zertifizierung
• Kubernetes-Zertifizierung
• Prometheus und Grafana
• Softwaredesign und Softwarearchitektur
• Kubeflow oder OpenShift AI
• Praktische Erfahrung mit ML-Modellen im Produktivbetrieb
• Jenkins und ArgoCD
• Erfahrung im Sozialversicherungsumfeld
• SAFe

Benefits

• Echte Produktivprojekte. KI, die beim Kunden in Betrieb geht. Kein Innovation-Lab, keine Folien.
• Remote-first in der DACH-Region. Gelegentlich vor Ort, ansonsten arbeitest du von dort, wo du gut arbeitest.
• Moderner KI-Stack. RAG, Agenten, Vektorsuche, MLOps. Aktueller Stack, kein Legacy-Ballast.
• Internes Upskilling. Wir investieren in deine KI-Skills.
• MacBook
• Flache Hierarchien. Die Gründer sind deine direkten Ansprechpartner.
• Ein Team, das sich kennt, auch bei verteiltem Arbeiten.