AI DevOps Engineer

Vollzeit oder Teilzeit (32–40 Std./Woche) | ab sofort | deutschlandweit, hybrid oder remote Deine RAG-Pipeline läuft im Notebook, aber niemand hat sie in Produktion gebracht? Genau das lösen wir. Das UNITY AI Booster Team bringt LLM- und Agentic-AI-Systeme unserer Kunden zuverlässig, sicher und wirtschaftlich live. Das UNITY AI Booster Team Das UNITY AI Booster Team ist UNITYs Entwicklereinheit für die Entwicklung und Implementierung von KI-Lösungen in den Geschäftsprozessen unserer Kunden. Wir entwickeln Lösungen mit hoher Technologiebandbreite, von Machine Learning Use Cases, LLM Use Cases oder eigenen Agentenplattformen. Anders als unsere Consultants sind wir näher am Code: Wir arbeiten im Projekt mit den Consultants und unserem Procurement X Team zusammen, bauen und betreiben aber die technische Plattform dahinter. Das erwartet dich Infrastruktur für produktive KI-Anwendungen bauen und betreiben – von der Dev-Umgebung über CI/CD bis zum stabilen Betrieb beim Kunden und außerdem: LLM- und Agentic-AI-Systeme in Betrieb bringen: Inferenz- und Model-Serving-Endpunkte, Vektordatenbanken, RAG-Pipelines, MCP-Server – skalierbar, sicher, kostenbewusst. Observability und Qualität verantworten: Latenzen, Token- und Infrastrukturkosten, Agenten-Tracing, automatisierte Eval- und Regressionstests. Konsequent automatisieren statt Handarbeit: Infrastructure as Code, GitOps, containerisierte, reproduzierbare Deployments. Sicherheit und Compliance sicherstellen: Secrets- und Zugriffsmanagement, Guardrails, Nachvollziehbarkeit nach EU AI Act. Kunden bei Architektur- und Betriebsentscheidungen beraten – als technischer Sparringspartner*, nicht als Kundenmanager*. Was du hier lernst MLOps-/LLMOps-Patterns im echten Kundenbetrieb statt im Lehrbuch. Wie man KI-Systeme so baut, dass sie den EU AI Act überstehen, statt ihn nachträglich zu reparieren. Den Sprung vom PoC zur produktiven, kosten- und latenzbewussten Plattform. Das bringst du mit Mehrjährige Erfahrung in Entwicklung und Betrieb von Software. Senior-Rolle: mehrjährige Praxis im Design und Betrieb produktiver Systeme Solide DevOps-Basis: Container/Kubernetes, CI/CD, agiles Entwicklungsumfeld. Cloud-Erfahrung (AWS, Azure oder GCP), Deployment als Container, API oder Serverless. Praxis mit Infrastructure as Code (z. B. Terraform, Ansible, Helm oder GitOps). Python plus mindestens eine weitere Sprache (Go, TypeScript/JavaScript, Java, C# oder Shell). Grundverständnis von LLM-Systemen: RAG-Architekturen, Prompting, Agenten-Frameworks (z. B. LangChain, LangGraph, AutoGen, CrewAI). Deutsch ab C1, Englisch ab B2 – sicher im Kundenkontakt, auch mal einen Workshop leiten. Studienabschluss in (Wirtschafts-)Informatik, Data Science, KI oder vergleichbar – oder gleichwertige Praxis als Quereinsteiger* z.B. mit einer abgeschlossenen Ausbildung als Fachinformatiker * Systemintegration. Idealterweise bringst du zusätzlich mit: MLOps-/LLMOps-Praxis inkl. Evaluation von LLM-Pipelines. AI-Observability-Tools (Langfuse, LangSmith, Arize, OpenTelemetry-basiert). Vektordatenbanken (Elasticsearch, pgvector, Qdrant o. ä.) und MCP (Model Context Protocol). Model Serving/GPU-Betrieb (vLLM, Ray, KServe, Triton), FinOps für KI-Workloads. Eigene Open-Source-Projekte oder Community-Beiträge. Bereitschaft zu gelegentlichem Bereitschaftsdienst (nur tagsüber, vergütet). Für wen das hier nichts ist: Wer beim PoC aufhört und Produktionsbetrieb für das Problem von jemand anderem hält. Wer Kundenkontakt komplett vermeiden will – ihr sprecht mit IT-Verantwortlichen auf Augenhöhe, das gehört dazu. Wer lieber Tools evaluiert, als Systeme zu verantworten, die nachts nicht ausfallen dürfen. Warum das AI Booster Team & Über uns Du bist näher am Code als in jeder Beratungsrolle. Wir sitzen im Projekt, aber unser Ergebnis ist laufende Software, keine Präsentation. Du siehst deine Systeme im Einsatz. Wir bauen nicht auf Zuruf für einen anonymen Backlog, sondern für Kunden, deren Prozesse wir