Role Description Wir setzen alles daran, uns gemeinsam mit dir weiterzuentwickeln, um noch besser zu werden! Unser motiviertes Team freut sich auf dich und deine Erfahrung als Machine Learning Operations Engineer (w/m/d)! - Aufbau und Betrieb einer Model-Serving-Plattform (z. B. Triton Inference Server). - Übernahme von End-to-End Ownership für ML-Systeme - von der Aufnahme fachlicher und technischer Anforderungen über die Konzeption und Umsetzung bis hin zu Betrieb, Monitoring und kontinuierlicher Optimierung produktiver AI-Pipelines. - Enge Zusammenarbeit mit Kunden zur Übersetzung von Anforderungen in skalierbare AI-Lösungen. - Integration unterschiedlichster Modelltypen und Frameworks (z. B. PyTorch, TensorFlow), sowie Entwicklung von Inference APIs (Batch & Streaming). - Design robuster Input- und Output-Schemata für ML-Modelle. - Performance-Optimierung (Latenz, Durchsatz, GPU-Auslastung). - Containerisierung und Deployment von Modellen (Docker, Cloud). Qualifications - Sehr gute Kenntnisse in Python (Backend oder ML-Kontext). - Praktische Erfahrung im Deployment oder Betrieb von ML-Modellen oder datengetriebenen Anwendungen. - Verständnis zentraler ML - oder Datenverarbeitungskonzepte (z.B. Input/Output-Handling, Batch oder Streaming). - Erfahrung mit Containerisierung und Deployments (z.B. Docker oder vergleichbare Technologien). - Erfahrung im Debugging komplexer Systeme. Requirements - Von Vorteil: Erfahrung mit ML Inference / Serving oder ähnlichen Systemen. - Berührungspunkte mit Performance-Optimierung oder GPU-Themen. - Erfahrung in Cloud-Umgebungen. - Sehr gute Deutsch- und Englischkenntnisse. Benefits - Flexible Arbeitszeiten: Um Familie und Beruf optimal zu vereinbaren, kannst du deinen Arbeitstag nach deinen individuellen Bedürfnissen gestalten. Profitiere darüber hinaus von individuellen Modellen, Workation und Sabbaticals. - Homeoffice: Egal, ob aus dem Büro oder von einem anderen Ort – mobiles Arbeiten gehört für uns zum Alltag. - Mindset: Open Door, Teamspirit und flache Hierarchien sind im #teamGFT keine Buzzwords, sondern gelebte Praxis. - 12.000 Talente weltweit: Profitiere von dem globalen Austausch mit Experten aus über 20 Ländern auf deinem Gebiet. - Weiterbildung & Zertifizierungen: Nimm an Fortbildungen, Konferenzen und Zertifizierungen teil. Wir gehen auf deine individuellen Bedürfnisse ein. - Standortbezogene Extras: Profitiere von weiteren Zusatzleistungen, wie Job Rad, Betrieblicher Altersvorsorge und vielem mehr. - Neueste Technologien: Durch die Arbeit mit international führenden Konzernen und den Einsatz interdisziplinärer Teams arbeiten wir am Puls der Zeit und setzen uns ständig mit den neuesten Methoden und Technologien auseinander.

Role Description Wir setzen alles daran, uns gemeinsam mit dir weiterzuentwickeln, um noch besser zu werden! Unser motiviertes Team freut sich auf dich und deine Erfahrung als ML Ops Engineer (w/m/d)! - Aufbau und Betrieb einer Model-Serving-Plattform (z. B. Triton Inference Server). - Übernahme von End-to-End Ownership für ML-Systeme - von der Aufnahme fachlicher und technischer Anforderungen über die Konzeption und Umsetzung bis hin zu Betrieb, Monitoring und kontinuierlicher Optimierung produktiver AI-Pipelines. - Enge Zusammenarbeit mit Kunden zur Übersetzung von Anforderungen in skalierbare AI-Lösungen. - Integration unterschiedlichster Modelltypen und Frameworks (z. B. PyTorch, TensorFlow), sowie Entwicklung von Inference APIs (Batch & Streaming). - Entwicklung von Inference APIs (Batch & Streaming). - Design robuster Input- und Output-Schemata für ML-Modelle. - Performance-Optimierung (Latenz, Durchsatz, GPU-Auslastung). - Containerisierung und Deployment von Modellen (Docker, AWS). Qualifications - Sehr gute Kenntnisse in Python (Backend oder ML-Kontext). - Praktische Erfahrung im Deployment oder Betrieb von ML-Modellen oder datengetriebenen Anwendungen. - Verständnis zentraler ML - oder Datenverarbeitungskonzepte (z.B. Input/Output-Handling, Batch oder Streaming). - Erfahrung mit Containerisierung und Deployments (z.B. Docker oder vergleichbare Technologien). - Erfahrung im Debugging komplexer Systeme. Requirements - Von Vorteil: Erfahrung mit ML Inference / Serving oder ähnlichen Systemen. - Berührungspunkte mit Performance-Optimierung oder GPU-Themen. - Erfahrung in Cloud-Umgebungen. - Sehr gute Deutsch- und Englischkenntnisse. Benefits - Flexible Arbeitszeiten: Um Familie und Beruf optimal zu vereinbaren, kannst du deinen Arbeitstag nach deinen individuellen Bedürfnissen gestalten. Profitiere darüber hinaus von individuellen Modellen, Workation und Sabbaticals. - Homeoffice: Egal, ob aus dem Büro oder von einem anderen Ort – mobiles Arbeiten gehört für uns zum Alltag. - Mindset: Open Door, Teamspirit und flache Hierarchien sind im #teamGFT keine Buzzwords, sondern gelebte Praxis. - 12.000 Talente weltweit: Profitiere von dem globalen Austausch mit Experten aus über 20 Ländern auf deinem Gebiet. - Weiterbildung & Zertifizierungen: Nimm an Fortbildungen, Konferenzen und Zertifizierungen teil. Wir gehen auf deine individuellen Bedürfnisse ein. - Standortbezogene Extras: Profitiere von weiteren Zusatzleistungen, wie Job Rad, Betrieblicher Altersvorsorge und vielem mehr. - Neueste Technologien: Durch die Arbeit mit international führenden Konzernen und den Einsatz interdisziplinärer Teams arbeiten wir am Puls der Zeit und setzen uns ständig mit den neuesten Methoden und Technologien auseinander.

• Design, build, and maintain production recommendation systems at consumer scale. • Develop ranking and retrieval models to improve personalization and user experience. • Own ML pipelines end-to-end, from feature engineering and training to deployment and monitoring. • Collaborate with client stakeholders and engineering teams to deliver scalable ML solutions. • Analyze large-scale user behavior data and run A/B tests to optimize recommendation performance. • Improve reliability, scalability, and latency of production ML systems on AWS/GCP/Azure.

• Lead and manage a team of Forward-Deployed Machine Learning Engineers (FDMLEs) delivering customer-facing AI and ML solutions from prototyping through production deployment and iteration. • Support team growth through coaching, mentorship, and career development while fostering a strong culture of ownership, customer focus, and operational excellence. • Drive execution in ambiguous, fast-paced environments by enabling rapid experimentation, iterative development, and close cross-functional collaboration. • Partner with Federato leadership across Forward Deployed Engineering, Data Science, and Customer Success to align priorities, delivery expectations, and customer outcomes. • Translate strategic AI initiatives into actionable roadmaps, priorities, and delivery milestones, ensuring projects are effectively scoped, staffed, and executed. • Establish and improve agile workflows tailored to forward-deployed AI and ML work, including sprint planning, technical design reviews, backlog grooming, retrospectives, and operational follow-through. • Serve as the primary coordination point across internal teams and customer stakeholders to ensure alignment, transparency, issue resolution, and successful adoption of deployed solutions. • Drive operational excellence through strong communication, documentation, monitoring, and incident-management practices across customer-facing ML systems.