13 Machine Learning Engineer Jobs

Develop, test, deploy, and monitor scalable filter pipelines and transformation processes that extract relevant metrics and features from billions of events, Data management, versioning, etc., in a Data Lake, Implement high-performance ML inference services for critical applications, Collaborate with data scientists and software developers to optimize and scale ML models, Ensure the quality and reliability of developed solutions through monitoring and performance analysis

Aktive Mitgestaltung einer modernen Weiterbildungsplattform, Entwicklung und Optimierung von ML-Modellen, Datenanalysen, Implementierung von APIs und cloudbasierten Architekturen, Schnittstelle zwischen Technologie und Fachbereichen, Verständnis der Anforderungen der Kund:innen, Entwicklung passgenauer Lösungen

Design, develop, and maintain critical features using Machine Learning Models, NLP, Information Retrieval and other relevant methodologies, powering the infrastructure for carbon intelligence globally and across industries for all business activities and products., Play a key role delivering key data and insights into leading software platforms used by the largest enterprises across the world, powering billions of calculations in critical environments via our API, enhancing carbon visibility and climate action for organizations., Train, optimize, evaluate and experiment with various models (e.g., transformers, classifiers, encoders, LLMs) to improve key product metrics for our search and recommendation engine on top of GHG emissions data., Maintain and improve our data pipelines, ensuring data readiness for modelling., Deploy and maintain models in production using technologies like AWS SageMaker, flask and pydantic.

Create Smart Solutions: Entwickle KI- und Machine-Learning-Modelle, die Industrieprojekte in der Energiewende revolutionieren – von Predictive Analytics bis hin zur intelligenten Prozessautomatisierung., Dive Deep Into Data: Arbeite mit großen Datensätzen, erkenne Muster und entwickle präzise Vorhersagen, um die Performance unserer Kundenprojekte nachhaltig zu optimieren., Build the Future Infrastructure: Erstelle skalierbare Datenpipelines und state-of-the-art Cloud-Architekturen, um nahtlos große Datenmengen zu erfassen, zu analysieren und zu nutzen., Continuous Improvement: Überwache, optimiere und tune deine Modelle kontinuierlich, integriere Feedback und sorge dafür, dass wir immer am Puls der neuesten KI-Trends bleiben.

Analyse von Datensätzen, um Zusammenhänge erkennen und interpretieren sowie die Qualität der Daten bewerten, Bauen und Weiterentwickeln von KI-Modellen (Basis LLM, GPT-Framework) und deren Integration in unsere Produkte unter Beachtung von Skalierungsaspekten, Verfolgen von neusten Entwicklungen in Data Science und Testen neuer Modellierungsansätzen auf ihre Praxistauglichkeit bzw. Einsatzmöglichkeiten, Zusammenarbeit mit anderen Data Scientists, Requirements-, Software- und Data Engineers sowie anderen Stakeholdern in einem flexiblen Umfeld, Gestaltung und kontinuierliche Verbesserung des Entwicklungsprozesses von KI-Lösungen

Analyseinstrumente und -methoden erstellen, weiterentwickeln und dabei auf die Anforderungen der Fachbereiche ausrichten, Analyse und Verknüpfung (REST APIs) von verschiedenen Datenquellen und Insel-Lösungen sowie die effektive Verarbeitung großer Datenmengen, Identifikation geeigneter Algorithmen zur Lösung konkreter Fragestellungen in neuen Bereichen, Erarbeitung neue KI Lösungen mit dem bestehenden Team um Prozesse zu optimieren

Verantwortung für die Data-Science-Anwendungen, Entwicklung skalierbarer und robuster Datenpipelines zur Sicherstellung von Datenintegrität und -effizienz im Kontext von Machine-Learning-Anwendungen, Implementierung von mittleren und großen Sprachmodellen in die Datensysteme der Deutschen Rentenversicherung, Entwicklung von Python-Anwendungen für Datenimport, ereignisauslösende Prozesse und die Optimierung von ML Ops- und DevOps-Prozessen, Enge Zusammenarbeit mit den Product Ownern und IT-Spezialisten zur Gewährung reibungsloser Prozesse und zuverlässiger Resultate

Entwicklung von KI-Assistenten für Normen-Anwender und innerbetriebliche Prozesse der DIN-Gruppe mithilfe von Large Language Models (LLMs) und Retrieval-Augmented Generation (RAG), Anwendung von Natural Language Processing (NLP) Methoden, Anpassung von Machine Learning Modellen und LLMs, um Wissen aus Normen-Daten automatisch zu extrahieren und zu strukturieren, Planung, Entwicklung, Betrieb und Optimierung von Infrastrukturen mit Hilfe von DevOps, LLMOps, und Cloud-Diensten, um die Bereitstellung und den Betrieb zukünftiger KI-Lösungen sicherzustellen, Arbeiten in interdisziplinären Teams, um Entwicklungen in bestehende und neue Produkte und Lösungen der DIN Media zu integrieren, Entwicklung von Prototypen und Bewertung von Technologien, die als Grundlage für neue und innovative Produkte und Lösungen dienen, Projektmanagement und Projektsupport für KI-Projekte mit externen Dienstleistern, Mitarbeit in DIN- und KI-Netzwerken und die Unterstützung bei DIN-gruppenweitem Wissensaufbau im Bereich Künstliche Intelligenz

Design, Implementierung und Optimierung von ETL- und Datenpipelines für Business Intelligence und Analytics Anwendungen, Verantwortung für die Überwachung und Fehlerbehebung bestehender Jobs und die Jobsteuerung, Konzeption und Entwicklung von Datenqualitätsprüfungen zur Sicherstellung der Datenintegrität, Aktive Mitgestaltung der unternehmensweiten Datenplattform der Zukunft auf Basis des Microsoft Azure Stacks, inklusive Migration und Integration neuer Technologien, Zusammenarbeit mit Data Analysts, Data Scientists und internen Kunden in einem spannenden Umfeld

Weiterentwicklung unserer KI-Software und Auswertungstools, Bestimmung von Bewertungskriterien im Rahmen von Predictive Maintenance, Entwicklung von Datenanalysen, Trainingsdatensätzen und KI-Modellen, Bereitstellung deiner Lösung in unserem KI-Produktivsystem mit mehreren tausend Anlagen

Aufbau, Wartung und Optimierung der Data-Science-Infrastruktur, einschließlich der Integration von Open-Source- und Enterprise-Lösungen (GitLab, Docker, Kubernetes), Implementierung von CI/CD und MLOps-Prozessen, Gewährleistung der Skalierbarkeit und Leistung der Infrastruktur, einschließlich GPU-Support und Cloud-Readiness, Sicherstellung der IT-Sicherheit und Einhaltung von Datenschutzrichtlinien, Implementierung und Pflege von Single Sign-On- (SSO-) Lösungen sowie Verwaltung von Authentifizierungsmechanismen, Optimierung von Paketinstallationen und Softwarebereitstellung zur Unterstützung von Data-Science-Projekten, Bereitstellung einer zuverlässigen und innovativen Infrastruktur durch enge Zusammenarbeit mit Data Scientist:innen und Softwareentwickler:innen, Dokumentation der Systemarchitektur sowie Monitoring der IT-Umgebung, um kontinuierliche Betriebsbereitschaft zu gewährleisten, First- und Second-Level-Support für Benutzeranfragen und technische Probleme, Weiterentwicklung Ihrer technischen Fähigkeiten

Aufarbeitung der Methoden und Übertragung des theoretischen Hintergrunds auf die komplexeren Aufgaben im Bereich der Systemmodellierung, Planung, Umsetzung und Validierung einer Vergleichsstudie (Design of Experiments) auf Grundlage unserer Systemsimulationsbenchmark

Entwicklung und Pflege von Python-Paketen, die Daten- und Businesslogik für prädiktive Energiesteuerung und KI-gestützte Optimierungen in Gebäuden verarbeiten, Pflege und Weiterentwicklung von CI/CD-Pipelines zur Automatisierung und Qualitätssicherung unserer Lösungen, Entwurf und Erstellung skalierbarer ETL-Datenpipelines für die Verarbeitung, Visualisierung und Anomalie-Erkennung von Zeitreihen-Daten für intelligente Energieoptimierung, Enge Zusammenarbeit mit unserem Ingenieursteam und externen Partnern, um innovative Lösungen für den Energiemarkt zu entwickeln und umzusetzen, Langfristige Planung von Feature-Entwicklung und Kosten-Nutzen-Analysen gemeinsam mit Produktverantwortlichen und Management, die die Effizienz unserer Gebäudesteuerungslösungen maximieren

Begleitung und Coaching der Teilnehmenden durch 1:1-Coachings, moderierte Diskussionen und praxisnahe Übungen, Vermittlung von Expertenwissen und Beantwortung von Fragen, Begleitung interner Projekte und Unterstützung von Unternehmen sowie Teilnehmenden bei der Umsetzung ihres neuen Wissens in der Praxis, Entwicklung von hochwertigen Fachartikeln, Blogbeiträgen und Vorträgen, Optimierung der Lernmaterialien und Entwicklung neuer, innovativer Bildungsformate

Entwicklung und Bewertung von wegweisenden Data Science Use Cases im Kontext von Prozessoptimierung und -absicherung, Implementierung von Methoden und Konzepten aus den Bereichen Data Engineering, Artificial Intelligence, Machine Learning and Advanced Analytics, Aktive fachliche und technische Entwicklung neuer Use Cases von der Konzeption über die Prototypisierung bis zur Integration in unsere Softwareprodukte

Entwicklung der Systemarchitektur und -komponenten in enger Zusammenarbeit mit den Projektbeteiligten, Planung des Aufbaus der Entwicklungsumgebung, Erstellung der Dateninfrastruktur und Aufbereitung von Daten für das LLM, Entwicklung einer Finetuning/RAG-Pipeline und einer Evaluationspipeline, Erweiterung der Dateninfrastruktur für die Adaption des LLMs, Entwicklung spezifischer Evaluationsmetriken, Unterstützung beim Aufbau der Erprobungsplattform, Durchführung von Testreihen und Analyse der Erprobungsdaten, Publizieren von Ergebnissen und Vorstellung dieser auf Fachkonferenzen

Aufbau des Bereichs Data Intelligence der Schmiede (inkl. KI-Lab) zusammen mit dem Leiter der Schmiede, Fachliche Leitung der fünf Mitarbeiter des Bereichs Data Intelligence, Entwicklung der Data- und Software-Kernarchitektur sowie der entsprechenden Entwicklungs-Prozesse und -Tools im Bereich Data Intelligence in Abstimmung mit dem Leiter der Schmiede, Konzeption ständig neuer Anwendungen als MVP gemeinsam mit Kunden, Product-Ownern und Architekten, Entwicklung datengetriebener Anwendungen und Modelle mit Python, R und C# im Bereich ML und klassischer Algorithmen im Scrum-Team, Test und Dokumentation der Anwendungen und Modelle, Pflege, Optimierung und Support von bestehenden Anwendungen, Sicherstellung der reibungslosen Zusammenarbeit von Front- und Backend sowie IoT-Komponenten und Gewährleistung der Interoperabilität, Sicherstellung einer hohen Auslastung des Teams und hohen Mehrwerts für die Bundeswehr zusammen mit den POs, Zeitweise Reisetätigkeit und die Möglichkeit, am Kundenstandort zu arbeiten

Als Engineering Manager leitest du als Vorgesetzte:r ein Team aus Software Entwickler:innen, die in verschiedenen eigenverantwortlichen Projekt- und Produktteams arbeiten., Unter "Leiten" verstehen wir, ihnen zu helfen, sich persönlich wie beruflich zu entwickeln und sie auf dem Karriereweg zu begleiten., Du unterstützt unsere Entwickler:innen, die größeren Zusammenhänge über die Projektgrenzen hinaus zu verstehen, um sicherzustellen, dass die Lösungen aus den Projekten nahtlos ineinandergreifen. Bei fachlichen und technischen Entscheidungen innerhalb der Projekte stehst du in der Regel nur beratend zur Seite., Als Engineering Manager spielst du eine wichtige Rolle in unserem Recruiting Prozess, bist mitverantwortlich für die personelle Aufstellung von Projekten und vermittelst zudem bei akuten Ressourcenkonflikten zwischen Projekten., Du unterstützt aktiv bei der kontinuierlichen Weiterentwicklung unserer Dev-Kultur. Dazu gehört etwa, die Adaption von Best-Practices und generell Erfahrung über die verschiedenen Projekte hinweg auszutauschen und voneinander zu lernen.

Einarbeitung in die Thematik von Zero-Shot Modellen und Vorhersage elektrischer Lasten, Exploration der zur Verfügung gestellten Datensätzen, Datenverständnis erarbeiten, Aufsetzen einer Evaluationsumgebung, Einbinden von Zero-Shot Bibliotheken zur Lastprognose inkl. der Erstellung eines Referenz-Benchmarks, Dokumentation und Veröffentlichung

Unterstützung bei der Inbetriebnahme der autonomen Optimierung durch unserer etaONE®-Plattform im Rahmen der Onboarding-Projekte bei unseren Kunden, Unterstützung bei der Umsetzung von KI-basierten Energiemanagement- und Steuerungsalgorithmen zur Optimierung von Energiesystemen, Automatisierung von Prozessen und Bereitstellung von Tools zur Verbesserung der Effizienz und Skalierbarkeit, Unterstützung bei der Analyse von Energiedaten und der Erstellung von Visualisierungen