Du wirst Teil eines Teams, das täglich KI auf echten humanoiden Robotern trainiert, testet und deployed — und du übernimmst die unsichtbare Infrastruktur, die das alles mühelos wirken lässt. Freu dich auf einen Spielplatz aus GPUs, selbst gehosteten Runnern, Simulationsclustern und Pipelines, die sich von einem git push bis zu einem Roboter in unserem Labor erstrecken.
CI/CD Engineering: Gestalte unsere Pipelines in GitLab und GitHub Actions — Matrix-Builds, intelligentes Caching, mehrstufige Workflows für Robotik-Code und ML-Trainingsjobs.
Infrastructure as Code: Bändige unsere Flotte aus Runnern, GPU-Workstations und Labor-Rechnern mit Ansible, damit aus "läuft bei mir" endlich "läuft bei allen" wird.
Python Packaging & Tooling: Verwandle interne Libraries und Controller in saubere, versionierte, pip-installierbare Packages mit uv und hilf mit, wie wir sie intern hosten und bereitstellen.
Containers Everywhere: Baue und optimiere Docker-Images (ja, inklusive der spannenden DinD-/DooD-Kaninchenlöcher) für Training, Simulation und Deployment — schnell, schlank, reproduzierbar.
Simulation at Scale (Isaac Sim): Bring NVIDIA Isaac Sim / Isaac Lab in unsere CI: Headless-Simulationscontainer, Regressionstests auf Szenario- und Policy-Ebene und ein Sicherheitsnetz, das Bugs abfängt, bevor sie auf echte Hardware treffen.
Deployment Pipelines: Bringe validierte Artefakte — Python-Packages, Docker-Images, Model-Checkpoints, Sim-Assets — von der CI bis auf Labor-Rechner und physische Roboter, inklusive Rollbacks, die wirklich funktionieren.
Nightly Runs: Übernimm den Herzschlag des Teams: nächtliche Trainings-, Evaluations-, Simulations- und Integrationsläufe. Plane sie, beobachte sie, analysiere Fehler und mach sie besser.
Git & Repo Hygiene: Hilf uns, den Überblick zu behalten — mit Submodules, LFS, Code Owners, Protected Branches und keinen versehentlichen 2-GB-Commits mehr.
Du studierst aktuell oder hast kürzlich ein Studium in Informatik, Software Engineering, Elektrotechnik oder einem verwandten Bereich abgeschlossen.
Solide Kenntnisse in Python, sowie sicherer Umgang mit Bash und Linux-Kommandozeilen-Tools.
Praktische Erfahrung (aus Studium, Nebenprojekten oder früheren Praktika) mit mindestens einigen der folgenden: Docker, GitLab CI, GitHub Actions, Ansible, uv/pip, Git Submodules & LFS.
Von Vorteil: Erfahrung mit NVIDIA Isaac Sim / Isaac Lab, ROS 2, Headless-GPU-Simulation in Containern oder automatisiertem Deployment auf Roboter / Edge-Geräte.
Verständnis von CI/CD-Konzepten: Caching, Artifacts, Runner, Pipelines, reproduzierbare Builds.
Neugier auf MLOps und wie man große ML-/Robotik-Trainingspipelines gesund und kosteneffizient hält.
Ausgeprägte Problemlösungs- und Debugging-Fähigkeiten — du findest gerne heraus, warum eine Pipeline um 3 Uhr nachts rot ist (im übertragenen Sinne).
Dir ist die Developer Experience wichtig, und du möchtest den Ingenieur:innen um dich herum das Leben leichter machen.
Deine Kommunikationsfähigkeiten zeichnen dich aus.
Du beherrschst Englisch gut und sprichst idealerweise auch Deutsch.
