In dieser Rolle übernimmst du DevOps-Workloads im Data-Science-Umfeld und sorgst dafür, dass AI-Services stabil, sicher und zuverlässig in Betrieb gehen. Du verantwortest professionelle Deployment-Pipelines, automatisierst und optimierst Abläufe mit CI/CD sowie DAGs und stellst ein aussagekräftiges Monitoring der Services sicher.

• Als Platform Engineering Fachkraft übernimmst Du DevOps-Workloads im Data-Science-Umfeld und sorgst für einen stabilen Plattformbetrieb

• In dieser Rolle stellst Du professionelle Deployment-Pipelines für AI-Services sicher und entwickelst sie kontinuierlich weiter

• Du verantwortest das Monitoring der AI-Services und stellst Verfügbarkeit sowie Performance im laufenden Betrieb sicher

• Du administrierst eine Kubernetes-basierte MLOps-Plattform und betreibst Container- und Infrastrukturkomponenten zuverlässig

• Du automatisierst und optimierst Abläufe über CI/CD-Pipelines und DAGs, um Deployments reproduzierbar und effizient zu gestalten

• Du entwickelst Service-Schnittstellen in Python und bringst Dein Know-how ein, um Ideen und Konzepte zu schärfen und den besten Lösungsweg zu finden

• Abgeschlossenes Studium in Informatik, Data Science, Mathematik, Physik, Engineering oder eine vergleichbare Qualifikation

• Übernimmst DevOps-Verantwortung im Data Science Umfeld und stellst den stabilen Betrieb von AI-Services sicher

• Konzipierst, automatisierst und optimierst CI/CD-Pipelines und Workflows, zum Beispiel mit GitLab und DAGs

• Arbeitest sicher mit Containerisierung und Kubernetes-Stacks, etwa Docker, K8s, Rancher und Harbor

• Entwickelst und pflegst Python-Schnittstellen für Services, idealerweise auch mit Frameworks wie FastAPI