MLOps Engineer
Eckdaten der angebotenen Stelle
Arbeitgeber | Bundesdruckerei GmbH |
Postleitzahl | 10178 |
Ort | Berlin |
Bundesland | Berlin |
Gepostet am | 01.07.2025 |
Remote Option? | - |
Homeoffice Option? | - |
Teilzeit? | - |
Vollzeit? | - |
Ausbildungsstelle? | - |
Praktikumsplatz? | - |
Unbefristet? | - |
Befristet? | - |

Stellenbeschreibung
Zum nächstmöglichen Zeitpunkt suchen wir Sie als (Senior) MLOps Engineer für den Standort Berlin.Ihr AufgabenbereichTechnische Leitung und strategische Weiterentwicklung der MLOps-Infrastruktur und -ServicesVerantwortung für den Aufbau und Betrieb komplexer, hochverfügbarer Machine-Learning-Pipelines (inkl. CI/CD/CT sowie GitOps)Konzeption und Entwicklung datenintensiver, cloudnativer Applikationen und Self-Service-Plattformkomponenten für Data Science und Machine Learning (inkl. GenAI)Erstellung und Umsetzung von Konzepten in den Bereichen Modell-Monitoring, Datadrift-Erkennung, automatisiertes Retraining und Rollback-StrategienKontinuierliche Verbesserung der Infrastruktur, Automatisierung und Performance-OptimierungEnge Zusammenarbeit mit Architekten, Data Scientists, DevOps Engineers und weiteren Stakeholdern zur Sicherstellung eines skalierbaren, resilienten und sicheren ML-BetriebsMitarbeit und technische Führung in einem crossfunktionalen Team innerhalb eines agilen ProjektsIhr ProfilAbgeschlossenes Studium der Informatik oder eines vergleichbaren technischen Studiengangs – alternativ eine Ausbildung zum Fachinformatiker mit fundierter praktischer BerufserfahrungUmfassende Berufserfahrung im DevOps Engineering, idealerweise mit Schwerpunkt im MLOps-UmfeldTiefgehende technische Expertise im Umgang mit Containern und Orchestrierungstools (Docker, Kubernetes, OpenShift, Helm) sowie mit cloud-nativen ArchitekturenErfahrung in der Konzeption, Umsetzung und dem Betrieb von CI/CD/CT-Pipelines, GitOps-Lösungen (z. B. ArgoCD), Infrastructure as Code (z. B. OpenTofu) und Monitoring-Tools (z. B. Prometheus, Grafana, ELK)Praktische Erfahrung im Einsatz gängiger MLOps-Tools (z. B. MLflow, Argo Workflows, JupyterHub) sowie in der produktiven Bereitstellung und Wartung von ML-Modellen sowie LLMs mittels Model-Serving-Frameworks (z. B. BentoML, FastAPI, vLLM)Solide Programmierkenntnisse in Python, insbesondere im Umfeld von Data-Science- und Machine-Learning-FrameworksAusgeprägte Fähigkeit zur strukturierten Problemlösung, hohe Eigenverantwortung und starke KommunikationskompetenzSehr gute Deutschkenntnisse (Niveau C1) sowie ergänzende Englischkenntnisse (Niveau B2)