NEURA skaliert seine AI-Abteilung, um unsere Produkt-Roadmap umzusetzen. Als Group Lead AI Engineering verantwortest du ein fokussiertes Sub-Team innerhalb der AI-Organisation. Du gibst die technische Richtung vor, triffst entscheidende Architekturentscheidungen und unterstützt dein Team dabei, Herausforderungen zu überwinden — gleichzeitig bleibst du nah genug an der Technik, um Arbeit zu reviewen, Ansätze kritisch zu hinterfragen und selbst vorzuleben, wie exzellentes Engineering aussieht.
Verantworte die technische Roadmap deines Teams: definiere Ziele, übersetze sie in umsetzbare Engineering-Streams und stelle die Abstimmung mit der übergeordneten AI- und Produktstrategie sicher.
Führe und entwickle ein leistungsstarkes Team von AI Engineers: gewinne Top-Talente, führe technische Interviews, setze klare Erwartungen und entwickle Mitarbeitende zu Senior Engineers weiter.
Treibe den Transfer von Research zu Production voran: evaluiere State-of-the-Art-Methoden, prüfe Machbarkeit und baue die technischen Brücken, die AI-Modelle zuverlässig auf realer Robotik-Hardware zum Laufen bringen.
Arbeite cross-funktional mit Software-, Hardware- und Product-Teams zusammen, um AI-Fähigkeiten mit Plattformanforderungen und Customer Use Cases abzustimmen.
Definiere und überwache Engineering-Qualitätsstandards: Testing-Standards, Model-Evaluation-Pipelines, Deployment-Metriken und Data-Governance-Praktiken innerhalb deines Verantwortungsbereichs.
Werde hands-on aktiv, wenn dein Team auf komplexe Blocker stößt: reviewe Trainingsläufe, debugge Modellverhalten, hinterfrage Architekturentscheidungen und führe durch technisches Vorbild.
Sammle Learnings aus Projekten und speise diese aktiv in die Core AI Roadmap zurück.
Einen hervorragenden Master- oder PhD-Abschluss in Informatik, Robotik, Elektrotechnik oder einem verwandten Fachgebiet.
7+ Jahre praktische Erfahrung in ML- oder Robotics-AI-Engineering, davon mindestens 2 Jahre in einer formellen oder informellen technischen Lead-Rolle. Erfahrung mit produktiven Systemen ist essenziell.
Fundierte Expertise in mindestens zwei der folgenden Bereiche:
Vision-based Perception
Manipulation & Control
Reinforcement / Imitation Learning
Multimodale Foundation Models
Skalierbare MLOps-Systeme
Sehr gute Python-Kenntnisse (C++ ist ein Plus), praktische Erfahrung mit PyTorch oder JAX sowie Kenntnisse in Cloud-Infrastruktur (AWS, GCP oder Azure) und CI/CD für ML-Systeme.
Freude an der Arbeit mit realer Robotik-Hardware und Simulationsumgebungen wie IsaacSim, MuJoCo oder vergleichbaren Tools. Du weißt: Der echte Test findet immer in der realen Welt statt.
Nachweisbare Fähigkeit, technische Richtung vorzugeben, Engineers zu coachen, Code- und Design-Reviews durchzuführen und Entscheidungen unter Unsicherheit zu treffen.
Du kommunizierst souverän zwischen Research, Product Management und Hardware Engineering, ohne technische Präzision zu verlieren.
Verhandlungssicheres Englisch; Deutschkenntnisse (B2–C1) sind ein starkes Plus.
