14 Machine Learning Engineer Jobs

Develop AI-powered features for energy management platform, Work on the whole product lifecycle from exploration to monitoring performance, Use state-of-the-art LLMs and prompting techniques, Deploy models via API using Python and Kubernetes, Manage trained models with MLflow

Planning, developing, training, documenting, deploying, and managing production machine learning models, Working with internal and external customers to build, deploy, and manage productionized machine learning models, Helping teams understand the work conducted on the team

Develop and implement ML & LLM solutions to automate and enhance packaging analysis for sustainability metrics, Design and build intelligent systems to extract insights from vast amounts of packaging and regulation data, Collaborate with cross-functional teams to identify opportunities for AI-driven improvements in the platform, Stay up-to-date with advancements in LLMs, ML, and AI, and propose innovative applications for the platform

Analysieren von komplexen Datensätzen zur Gewinnung aussagekräftiger Erkenntnisse, Entwickeln, Implementieren und Optimieren von ML-Modellen zur Vorhersage und Verbesserung der energetischen Performance von Gebäuden, Anwenden fortschrittlicher statistischer Techniken zur Validierung der Modellgenauigkeit, Durchführen strenger statistischer Analysen zur Unterstützung der Modellentwicklung, Interpretieren und Kommunizieren statistischer Ergebnisse für nicht-technische Interessengruppen, Verwenden von Gebäudeenergie-Simulationssoftware zur Erstellung und Testung von Energiemodellen, Integration von Simulationsergebnissen mit ML-Modellen zur Verbesserung von Vorhersageergebnissen, Zusammenarbeiten mit funktionsübergreifenden Teams zur Anwendung von Simulationserkenntnissen auf reale Gebäudeprojekte, Beitragen zu Forschungsprojekten im Bereich Energieeffizienz, Nachhaltigkeit und intelligente Gebäudetechnologien, Vorbereiten von Anträgen, technischen Berichten und Präsentationen für Partner und Förderstellen

Analysieren von komplexen Datensätzen zur Gewinnung aussagekräftiger Erkenntnisse, Entwickeln, Implementieren und Optimieren von ML-Modellen zur Vorhersage und Verbesserung der energetischen Performance von Gebäuden, Anwenden fortschrittlicher statistischer Techniken zur Validierung der Modellgenauigkeit, Durchführen strenger statistischer Analysen zur Unterstützung der Modellentwicklung, Interpretieren und Kommunizieren statistischer Ergebnisse für nicht-technische Interessengruppen, Verwenden von Gebäudeenergie-Simulationssoftware zur Erstellung und Testung von Energiemodellen, Integration von Simulationsergebnissen mit ML-Modellen zur Verbesserung von Vorhersageergebnissen, Zusammenarbeiten mit funktionsübergreifenden Teams zur Anwendung von Simulationserkenntnissen auf reale Gebäudeprojekte, Beitragen zu Forschungsprojekten zu Energieeffizienz, Nachhaltigkeit und intelligenten Gebäudetechnologien, Vorbereiten von Anträgen, technischen Berichten und Präsentationen für Partner und Förderstellen

Unterstützung bei der Konzeption, Überarbeitung und Implementierung statistischer Modelle und Machine-Learning-Methoden im Themenfeld Predictive Analytics, Durchführung von Machine-Learning-Experimenten und Evaluierung neuer Modellierungsansätze hinsichtlich ihrer Vorhersagegüte und Einsetzbarkeit, Hilfe bei der Implementierung von Datenpipelines und Darstellungen für die Datenanalyse sowie bei der Ableitung von Handlungs- und Optimierungsempfehlungen

Weiterentwicklung und Verwaltung unserer skalierbaren Infrastruktur unter Verwendung von Python, Koordination von Rollouts unserer KI Lösungen in Zusammenarbeit mit anderen Teams, Automatisierung von Prozessen und Bereitstellung von Tools zur Verbesserung der Effizienz und Skalierbarkeit, Entwicklung von Datenanalye Pipelines und mathematischen Optimierungsmodellen

Ganzheitliche und eigenständige Entwicklung und Shipment von KI-Modellen zum Kunden mit unserer bestehenden Datenpipeline sowie Verbesserung und Erweiterung bestehender Modelle, Aufnahme von Daten, Unterstützung bei Annotations-Prozessen, Weiterentwicklung der Daten und Trainings-Pipelines sowie unseres Data-Workspaces, Entwurf von KI-Algorithmen (Architekturen, Trainingsverfahren, etc.), Hyperparameteroptimierung sowie Messung und Durchführung Performance-steigernder Maßnahmen, Softwareseitige Implementierung von KI-Algorithmen in Python mit PyTorch, Entwicklung von Schnittstellen und Integration der Algorithmen in High-Performance-Applikationen, Management und Pflege von Cloud-Trainingsumgebung und Data-Pipeline (Microsoft Azure), Technology-Scouting und aktive Mitgestaltung von Technologieentscheidungen, Arbeit in autonomen Scrum Teams in flachen Hierarchien mit viel Raum um mitzugestalten, Zusammenarbeit in agilen Prozessen mit Kolleginnen sowie nationalen und internationalen Partnerinnen und Kundinnen, Reisebereitschaft zu Kunden und Lust auf Entwicklungen im Team vor Ort

Verknüpfung heterogener Datenquellen sowie Integration und Aufbereitung von Produktionsdaten zu Analysezwecken, Erstellung von Modellen des maschinellen Lernens und der künstlichen Intelligenz zur Optimierung von Produktionsprozessen, Implementierung der Modellergebnisse in die Produktionsumgebungen unserer Kunden, Technische Realisierung des digitalen Zwillings anhand von Prozess- und Produktdaten, Akquisition, Koordination und Bearbeitung von nationalen und internationalen Industrie- und Forschungsprojekten im Team, Konzeption und Durchführung von Workshops und Seminaren für Fach- und Führungskräfte aus Industrie und Forschung

Entwicklung und Shipment von KI-Modellen zum Kunden, Aufnahme von Daten und Unterstützung bei Annotations-Prozessen, Weiterentwicklung von Daten- und Trainings-Pipelines, Entwurf von KI-Algorithmen und Hyperparameteroptimierung, Implementierung von KI-Algorithmen in Python mit PyTorch, Entwicklung von Schnittstellen und Integration in Echtzeit-Applikationen, Management und Pflege von Cloud-Trainingsumgebung und Data-Pipeline, Technologie-Scouting und Mitgestaltung von Technologieentscheidungen, Arbeit in autonomen Scrum Teams mit viel Raum zur Mitgestaltung, Zusammenarbeit mit Kolleg*innen, nationalen und internationalen Partner*innen und Kund*innen, Reisebereitschaft zu Kunden und Entwicklungen im Team vor Ort

Durchführung einer systematischen Literaturrecherche zur Identifikation von sequenziellen ML-Algorithmen für die optimale Versuchsplanung, Training des ML-Algorithmus auf bestehender Datenbasis und gegebenenfalls punktuelle Aufnahme von zusätzlichen Daten, Implementierung des ML-Algorithmus, Dokumentation und Auswertung der erzielten Ergebnisse

Durchführung einer systematischen Literaturrecherche zur Identifikation von sequenziellen ML-Algorithmen für die optimale Versuchsplanung, Training des ML-Algorithmus auf bestehender Datenbasis und gegebenenfalls punktuelle Aufnahme von zusätzlichen Daten, Implementierung des ML-Algorithmus, Dokumentation und Auswertung der erzielten Ergebnisse

Durchführung einer systematischen Literaturrecherche zur Identifikation von sequenziellen ML-Algorithmen für die optimale Versuchsplanung, Training des ML-Algorithmus auf bestehender Datenbasis und gegebenenfalls punktuelle Aufnahme von zusätzlichen Daten, Implementierung des ML-Algorithmus, Dokumentation und Auswertung der erzielten Ergebnisse

Programmierung von Software für praktische Messaufgaben, Arbeiten mit industrieller Hardware und Nutzung von Prototyping-Plattformen (Arduino/RaspberryPi/…), Verwendung und Entwicklung von KI-Algorithmen zur Auswertung von Messdaten, Einbindung von Kameras/Sensoren/Motoren über APIs/SDKs in individuelle Programme sowie industrielle Bildverarbeitung, Nutzung externer DLLs und Software-Bibliotheken zur Auswertung der Messdaten

Analyse, Selektion und Vorverarbeitung von Sensordaten, Entwicklung von Machine-Learning-Modellen im Kontext von Predictive X, Planung, Durchführung und Analyse von Versuchsreihen, Entwicklung und Bau von Prototypen

Führen von Forschungsaufgaben in Automatisierungstechnik, Robotik und KI, Arbeiten an innovativen Projekten zur Entwicklung intelligenter Systeme, Integration und Anpassung von KI-Algorithmen in roboterbasierte Anwendungen, Durchführen von Beratungsprojekten mit kleinen und mittelständischen Unternehmen, Veröffentlichen von Forschungsergebnissen auf Konferenzen und in Fachmagazinen, Koordinieren von Forschungs- und Industrieprojekten und Moderation des Technologietransfers

Literaturrecherche zu relevanten ML/KI-Methoden, Sichtung Datenarten und Auswahl technische Umsetzung Datenmanagement, Auswahl eines geeigneten Datenanalyse- und Managementschemas, Sichtung und Vergleich der Anwendbarkeit von ML/KI-basierten Analyseprozessen, Auswahl ML/KI-basierte Methodik und Vorabtests zur Umsetzbarkeit, Umsetzung der ML/KI-basierten Methode und Test-Anwendungen auf Produktionsdaten, Bewertung der Einsetzbarkeit der Methode in einem operationalen Umfeld