Technische Leitung und strategische Weiterentwicklung der MLOps-Infrastruktur und -Services, Verantwortung für den Aufbau und Betrieb komplexer, hochverfügbarer Machine-Learning-Pipelines (inkl. CI/CD/CT sowie GitOps), Konzeption und Entwicklung datenintensiver, cloudnativer Applikationen und Self-Service-Plattformkomponenten für Data Science und Machine Learning (inkl. GenAI), Erstellung und Umsetzung von Konzepten in den Bereichen Modell-Monitoring, Datadrift-Erkennung, automatisiertes Retraining und Rollback-Strategien, Kontinuierliche Verbesserung der Infrastruktur, Automatisierung und Performance-Optimierung, Enge Zusammenarbeit mit Architekten, Data Scientists, DevOps Engineers und weiteren Stakeholdern zur Sicherstellung eines skalierbaren, resilienten und sicheren ML-Betriebs, Mitarbeit und technische Führung in einem crossfunktionalen Team innerhalb eines agilen Projekts
