Cloud DevOps and MLOps Engineer

Zur Stelle

Diese Stelle trägt die technischen Umgebungen des WDT und der F&E-Projekte. Die Arbeit umfasst Entwicklung, Abnahme, Pilot, Observability, CI/CD, Model Serving, Zugriffskontrolle, Cloud-Infrastruktur, operative Sicherheit und Unterstützung von KI-, Simulations- und Daten-Workloads.

Die Person verbindet Software, Cloud, KI und Betrieb. Ziel ist, dass der WDT und seine Module in repräsentativen Umgebungen zuverlässig entwickelt, getestet, bereitgestellt, überwacht und vorgeführt werden können.

Wesentliche Aufgaben

• Entwicklungs-, Test-, Abnahme-, Pilot- und Produktionsumgebungen für WDT-Module entwerfen und betreiben.
• CI/CD-Pipelines, Deployment-Automatisierung, Konfigurationskontrolle und Release-Versionierung umsetzen.
• Cloud-Infrastruktur, Speicher, Datenbanken, Warteschlangen, Backend-Dienste, Observability und Logs betreiben.
• MLOps, Model Serving, Benchmarks, kontrollierte Inferenz und Überwachung von KI-Ressourcen unterstützen.
• An operativer Sicherheit, Umgebungstrennung, Zugriffskontrolle und Incident Response arbeiten.
• Tests zu Leistung, Resilienz, Verfügbarkeit, Kosten und technischer Kontinuität unterstützen.
• Umgebungen, Runbooks, Kennzahlen und Verfahren des begleiteten Betriebs dokumentieren.

Pflichtanforderungen

• Erfahrung mit Cloud, CI/CD, Infrastructure as Code oder Umgebungsautomatisierung.
• Kenntnis von Git, Build- und Release-Pipelines, Monitoring, Logs und Deployment-Praxis.
• Grundkenntnisse in Netzen, Authentifizierung, Berechtigungen, Containern oder verwalteten Diensten.
• Fähigkeit, Fehler in verteilten Systemen zu diagnostizieren und Entwicklungsteams zu unterstützen.
• Achtsamkeit für Sicherheit, Stabilität, Nachvollziehbarkeit und Betriebsdokumentation.
• Praktische Erfahrung mit Entwicklungs-, Test- und Abnahmeumgebungen.

Wünschenswerte Qualifikationen

• Erfahrung mit Azure, Azure DevOps, App Services, Functions, Service Bus, VMs, Blob Storage oder Cosmos DB.
• Kenntnis von Docker, Kubernetes, Terraform, Observability und Kostenkontrolle.
• Erfahrung mit MLOps, Model Serving, Vektordatenbanken, LLM-APIs und KI-Workloads.
• Erfahrung mit Ingenieursystemen, Digital Twin, Simulationen oder sensiblen technischen Daten.

Zugehörige Technologien und Werkzeuge

Azure, Azure DevOps, CI/CD, Git, Docker/Kubernetes als Plus, Observability, Logs, Speicher, Datenbanken und MLOps.

Profil

Wir suchen eine organisierte, verlässliche und betriebsorientierte Person. Sie sollte vorhersagbare Umgebungen schaffen, Wiederholungen automatisieren und den Zustand der Systeme sichtbar machen wollen.

Bewerbung

Reichen Sie für die Bewerbung die folgenden Unterlagen ein:

Wie nutzen Sie derzeit Werkzeuge der künstlichen Intelligenz in Ihrem beruflichen Arbeitsablauf? Nennen Sie Werkzeuge und Beispiele für Tätigkeiten und erklären Sie, wie Sie die mit KI-Unterstützung erzeugten Ergebnisse prüfen.

Ergänzende Angaben können LinkedIn, GitHub, Behance, Google Scholar, Artikel, Veröffentlichungen, Websites, Demonstrationen, Anwendungen oder andere für die Funktion relevante Links umfassen.

• Einen aktuellen Lebenslauf mit Ausbildung, Berufserfahrung, wesentlichen Projekten, eingesetzten Technologien und übernommenen Verantwortungen.
• Ein Portfolio mit konkreten Beispielen früherer Arbeiten. Für Software können das GitHub, Anwendungen, Systeme, APIs, Oberflächen oder vorführbare Projekte sein. Für Ingenieurarbeit können das Modelle, Simulationen, Berichte, Analysen, Veröffentlichungen oder technische Arbeiten sein, die geteilt werden dürfen. Vertrauliche Projekte können anonymisiert dargestellt werden.
• Ein Vorstellungsvideo von bis zu 5 Minuten, das kurz ein Projekt oder Portfolio, das gelöste Problem, den eigenen Beitrag, die eingesetzten Technologien, den Arbeitsablauf, die täglichen Werkzeuge, den Einsatz künstlicher Intelligenz und die Prüfung der mit KI-Unterstützung erzeugten Ergebnisse zeigt.