Aufgaben
- Trainings- und Deployment-Pipelines automatisieren
- Modell- und Datenversionierung einführen
- Monitoring für Modellqualität und Drift aufsetzen
- Reproduzierbarkeit von Experimenten sicherstellen
- LLMOps-Praktiken für Prompts und Evaluationen etablieren
Arbeitsergebnisse
- MLOps-Pipeline
- Model Registry
- Monitoring und Alarmierung
- Betriebshandbuch
Kompetenzen
Typische Werkzeuge und Methoden
Wann Sie einen MLOps Engineer brauchen
Sobald mehr als ein Modell produktiv läuft oder Modelle regelmäßig neu trainiert und ausgerollt werden.
MLOps Engineer anfragenAbgrenzung
Der AI Platform Engineer stellt die Umgebung bereit, der MLOps Engineer betreibt darauf den Modell-Lebenszyklus.
Einsatz in Fachbereichen und Branchen
Beispielprojekte für MLOps Engineer
MLOps Engineer
MLOps Engineer für Prognosemodelle
- Hamburg
- 80 % remote
- ab sofort
- 6 Monate, 4 Tage pro Woche
MLOps Engineer für Eigenbetrieb offener Modelle
- Leipzig
- 60 % remote
- Februar 2027
- 6 Monate, Vollzeit
MLOps Engineer für Vision-Modelle in der Fertigung
- Regensburg
- 40 % remote, überwiegend vor Ort
- Februar 2027
- 6 Monate, 4 Tage pro Woche
LLMOps Engineer für Betrieb von Assistenten
- Düsseldorf
- 80 % remote
- Januar 2027
- 6 Monate, 4 Tage pro Woche
Praxisbeispiele mit dieser Rolle
Zentrale KI-Plattform statt Insellösungen
Fünf Teams bauen parallel KI-Anwendungen, jedes mit eigenem Modellzugang und eigenen Schlüsseln. Kosten sind nicht zuordenbar, Sicherheitsvorgaben uneinheitlich umgesetzt..
Visuelle Qualitätsprüfung in der Serienfertigung
Sichtprüfung am Bandende ist ermüdend und fehleranfällig. Reklamationen des Kunden häufen sich, eine zweite Prüfstation würde Personal binden, das nicht verfügbar ist..