Job Description

Einleitung

Deine Mission

Du baust die Datenfundamente, auf denen AI-Systeme tatsächlich funktionieren: skalierbare ETL-Pipelines, die Rohdaten in produktionsreife ML-Inputs verwandeln.

Das Unternehmen
Unser Mandant ist ein wachstumsstarkes Technologieunternehmen mit klarer Produktvision und internationaler Perspektive. Das Unternehmen entwickelt eine datengetriebene Plattform an der Schnittstelle von Software, maschinellem Lernen und moderner Fertigung. Im Zuge der nächsten Wachstumsphase wird ein Senior AI Engineer gesucht, dessen Kernkompetenz dort liegt, wo AI-Projekte in der Praxis gewonnen oder verloren werden: in der Dateninfrastruktur

Deine Aufgaben

• Du konzipierst, baust und betreibst skalierbare ETL- und ELT-Pipelines, die Rohdaten aus unterschiedlichen Quellen aufbereiten, transformieren und für ML-Training sowie Inference-Workloads bereitstellen.
• Du entwickelst robuste Datenpipelines für AI-Anwendungsfälle: von der Batch-Verarbeitung bis zu near-realtime Anforderungen und sorgst für Nachvollziehbarkeit, Qualität und Reproduzierbarkeit der Daten.
• Du implementierst Data-Quality-Frameworks und Monitoring-Mechanismen, damit Datenfehler erkannt werden, bevor sie Modellverhalten beeinflussen.
• Du arbeitest mit Feature Stores und sorgst dafür, dass Feature Engineering nicht in Notebooks stirbt, sondern in produktive Prozesse überführt wird.
• Du integrierst Pipelines in bestehende ML-Plattformen, LLM-Workflows und Produktarchitekturen und denkst dabei stets in Richtung Skalierbarkeit und Kostenkontrolle.
• Du arbeitest eng mit Engineering, Product und Data Science zusammen und bist die technische Brücke zwischen Rohdaten und funktionierender AI.

Dein Profil

• Mehrjährige Erfahrung im Aufbau von Datenpipelines und ETL/ELT-Architekturen in produktiven Umgebungen
• Sicherer Umgang mit Python sowie SQL und/oder dbt für Datentransformation
• Erfahrung mit Pipeline-Orchestrierung (Airflow, Prefect, Dagster oder vergleichbar)
• Kenntnisse in Cloud-Datenprojekten (AWS, GCP oder Azure) inkl. Storage- und Compute-Diensten
• Verständnis für ML-spezifische Datenanforderungen: Feature Engineering, Trainingsdatenvorbereitung, Datendrift, Reproduzierbarkeit
• Erfahrung mit LLMs, RAG-Systemen oder Agentic Workflows als Downstream-Konsumenten deiner Pipelines von Vorteil
• Erfahrung mit Container-basiertem Deployment und CI/CD

Persönlich:

• Hands-on Mentalität: du willst Pipelines bauen, die wirklich laufen, nicht Architekturdiagramme zeichnen
• Hoher Qualitätsanspruch bei Datenqualität und Code-Struktur
• Interesse an realem Produktbezug statt isolierter Infrastrukturarbeit
• Freude an enger Zusammenarbeit mit ML Engineers, Data Scientists und Product Teams

Benefits

• Was dich erwartet
  • Datenpipelines als strategisches Kernthema, nicht als notwendiges Übel am Rand von AI-Projekten
  • Hoher Gestaltungsspielraum in einem technisch starken Umfeld
  • Schnelle Entscheidungswege und eine Kultur, die auf echte Umsetzung setzt
  • Präsenzkultur mit echtem Teamfokus, Standort Hamburg

• Warum diese Rolle spannend ist
  Du arbeitest nicht isoliert an Modellen, sondern gestaltest, wie AI konkret Wert generiert: in echten Prozessen, mit echtem Produktbezug.
  Hier geht es um:
  • AI + Produkt
  • AI + Skalierung
  • AI + reale Anwendung

Wenn dich reizt, AI nicht nur zu trainieren, sondern zu operationalisieren, dann freuen wir uns auf den Austausch.