Karrierestart bei Rohde & Schwarz – einem sicheren und globalen Familienunternehmen mit über 90 Jahren Erfahrung. Eine attraktive Vergütung nach dem Tarifvertrag der bayerischen Metall- und Elektroindustrie, langfristige Jobsicherheit, vielfältige Weiterbildungsmöglichkeiten sowie ein modernes Arbeitsumfeld mit Betriebsrestaurant bieten optimale Rahmenbedingungen. Werde Teil eines starken Teams und arbeite an innovativen Projekten für die Technologien von morgen.
Verantwortung für die Weiterentwicklung und den stabilen Betrieb von unternehmensweiten KI-basierten Anwendungen und Services bei Rohde & Schwarz – darunter beispielsweise Self-hosted Large Language Models (LLMs) und Retrieval-Augmented Generation (RAG) in On-Premise- sowie Off-Premise-Umgebungen
Erstellung und Weiterentwicklung technischer Architekturen für KI-Anwendungen und -Infrastrukturen mit besonderem Fokus auf Skalierbarkeit, Sicherheit und Integration in die bestehende IT-Landschaft
Automatisierung des ML-Lebenszyklus (MLOps): Entwicklung von Strategien zur Automatisierung der Datenvorbereitung, des Modelltrainings, der Modellvalidierung, der Bereitstellung und der Überwachung der Modelqualität im Betrieb
Zusammenarbeit mit Data Scientists, DevOps Engineers und Data Engineers zur Integration von ML-Modellen in bestehende Anwendungen und Systeme, sowie die Validierung der Modelle
Überwachung und Analyse der Systemlandschaft mithilfe moderner Monitoring-Tools wie Prometheus und Grafana, insbesondere im Kubernetes-Umfeld mit Fokus auf Performanceoptimierung und frühzeitige Problemidentifikation
Innovationsfreude und Neugier beim Aufbau neuer Ansätze für den Betrieb von AI-Agent-Systemen – basierend auf Best Practices aus MLOps und LLMOps – sowie beim Erkunden neuer Anforderungen entlang des Lebenszyklus von AI Agents
Aufbau und Pflege von CI/CD-Pipelines für ML-Projekte, um eine effiziente Bereitstellung von Modellen zu gewährleisten
Optimierung von Data Pipelines auf Basis von Dagster in Kubernetes zur effizienten und automatisierten Verarbeitung großer Datenmengen in den Modellen
Anwendung moderner GitOps-Workflows zur automatisierten Verwaltung der K8s-Infrastruktur
