Dafür betreiben wir eine GPU-basierte on-premise Infrastruktur auf Kubernetes, über die unsere internen Teams auf skalierbare ML und AI-Services zugreifen können. Der Fokus der Rolle liegt auf Platform Engineering an der Schnittstelle von , MLOps und LLMOps: Sie verbinden Build-&-Run (CI/CD, IaC, Kubernetes-Betrieb), Model-Lifecycle (Training/Pipelines, Versionierung, Promotion) und LLM-Lifecycle (Serving, Guardrails, Evaluierung, Monitoring) zu zuverlässigen, skalierbaren und sicher betreibbaren Services. * Aufbau und Weiterentwicklung unserer AI Plattform auf Kubernetes * Containerisierung und Deployment von AI-Services mit Docker und Kubernetes * Gute Kenntnisse in Kubernetes und Container-Technologien
mehr