ML​/AI Platform Engineer; d​/w​/m

Überblick

Die ZEIT Verlagsgruppe bietet Qualitätsinhalte:
Print, Online und Audio, in Form zahlreicher Bildungsangebote und Konferenzen oder als Dienstleister für Content Marketing oder Strategieberatung im Bereich Employer Branding. In unserem Leitbild definieren wir unsere Werte, die Grundlage unseres Erfolgs:
Unabhängigkeit, Respekt und Zuversicht. Dank unserer Innovationsstärke wächst die ZEIT Verlagsgruppe stetig, Auflagen, Reichweiten und die Digital- und Nebengeschäfte entwickeln sich positiv. Die ZEIT Verlagsgruppe hat Standorte in Hamburg, Berlin, Frankfurt und München. Die ZEIT Verlagsgruppe hat rund 1.400 Mitarbeitende an den Standorten Hamburg, Berlin, Frankfurt und München.

Wir bauen bei der ZEIT im Bereich Data ein neues Team auf: das Team ML/ AI Platform. Das Team soll an zentraler Stelle die Kompetenzen bündeln, die für die Auswahl und den Betrieb von Diensten und Lösungen notwendig sind, auf und mit denen wir KI in vielfältiger Weise bei der ZEIT einsetzen - egal ob für interne Anwendungsfälle oder in unseren Produkten.

Als Teil des Teams bist du für Auswahl und den Betrieb von Lösungen im Bereich KI und Machine Learning als Basis für Anwendungen und Funktionen, die von Data Scientists und Produktentwicklungsteams in verschiedenen Fachbereichen oder auch von Dienstleistern entwickelt und genutzt werden, verantwortlich.

Unser Tech Stack basiert auf der Google Cloud Platform und Kubernetes. Du wirst ML(Ops)-Tools auswählen (wie MLflow, Vertex AI, Vector Databases für RAG-Anwendungen).

Du arbeitest eng mit den Kolleg:innen aus Dev Ops, Data Platform, Data Science, (Produkt-)Entwicklung in Redaktion und Verlag zusammen. Im direkten Austausch mit unseren Stakeholdern stellst du sicher, dass unsere Plattform maximalen Mehrwert liefert.

Deine Rolle hat drei Komponenten:

• ML/AI-Plattform auswählen, aufbauen und betreiben: Du entwickelst und betreibst eine MLOps-Plattform und definierst Standards für Entwicklung, Deployment und Betrieb von KI-Modellen. Dein Fokus liegt auf einer sicheren und skalierbaren Architektur, deren Stabilität du u.a. durch Monitoring und Observability gewährleistest.

• Integration ermöglichen: Du schaffst oder evaluierst Tools und Services, die es Data Scientists und Produktentwicklern ermöglichen, unsere ML- und Generative-KI-Use Cases nahtlos zu integrieren. Du bist der technische Enabler, der komplexe ML- und LL-Modelle, die die Data Science- und Product-Teams bauen, produktionsreif macht. Dies umfasst die Integration von ML-Modellen in productive Anwendungen und bestehende IT-Landschaften sowie die Implementierung von Model Observability und Monitoring (z.B. Erkennung von Model Drift, automatisches Retraining).

• Datenanbindung und Kollaboration: Du stellst ML/AI-spezifische Datenbanken bereit und entwickelst in enger Abstimmung mit angrenzenden Abteilungen die Anbindungen an bestehende Datenquellen. Du berätst und arbeitest eng mit Data Science, Dev Ops, Software Engineering, Produkt und den Fachbereichen zusammen.

Du musst aber kein/e ausgewiesene/r Expert:in in all diesen Bereichen sein. Sofern du in einigen Punkten Erfahrung gesammelt hast und Spaß an der ganzheitlichen Betrachtung des MLOps-Lebenszyklus hast, lässt sich alles andere erlernen.

• Technischer Hintergrund: Studium im Bereich (Wirtschafts-)Informatik, Ingenieurwesen, Mathematik, Data Science oder vergleichbare Fachrichtung – oder eine entsprechende technische Ausbildung.

• Praxiserfahrung in der Softwareentwicklung mit Python in Positionen wie ML Engineer, Dev Ops Engineer, Data Scientist oder Software Engineer mit ML-Anteil (d.h. konkret Nutzung von Bibliotheken wie Huggingface, scikit-learn oder PyTorch/Tensor Flow).

• Cloud-Native: Du hast fundierte praktische Erfahrung mit Cloud-Infrastrukturen (vorzugsweise GCP) sowie tiefgreifende Kenntnisse in zentralen Themen wie Cloud IAM, Workload Identity, Cloud Networking, Cloud Storage und Vertex AI.

• Plattform-Mindset: Du denkst in Self-Service-Lösungen und abstrahierst technische Komplexität, sodass sich Data Scientists voll auf die Entwicklung und Optimierung ihrer Modelle konzentrieren können.

• IaC & Git Ops: Du hast das…