Cloud Engineer* Data & AI
inovex GmbH
WorldwideremotePosted 6 days ago
Skill Required
Cloud-EngineerData-EngineerMachine-Learning-EngineerDevOps-EngineerPlatform-EngineerCloud-AI-EngineerAI-ML-Cloud-EngineerCloud-Data-EngineerData-And-AI-EngineerCloud-Data-DevOps-EngineerData-+-AI-EngineerCloud-Data-Platform-EngineerAI-ML-Data-EngineerAI-Data-Infrastructure-EngineerAI EngineerData EngineerCloud EngineerCloudAIGCPObservabilityEngineeringDatabricksPostgreSQLKubernetesPrometheusSnowflakeTerraformsecurityAirflowPythonMLflowArgoCDSparkKafkaAzureHelmdbtAWSGoMachine LearningFulltime
Key highlights
- Required experience: Fundierte Kubernetes-Erfahrung im produktiven Betrieb
- Notable requirement: Sehr gute Deutschkenntnisse (mind. C1)
- Key benefit: Flexibilität bei der Verlagerung des technologischen Schwerpunkts
- Notable requirement: Tiefgehende Kenntnisse eines großen Cloud-Providers
Role overview
Als Cloud Engineer liegt dein Schwerpunkt auf der Implementierung moderner Data- und AI-Infrastrukturen, wobei du GPU-Cluster orchestrierst, Datenplattformen strukturierst und Pipelines für ein effizientes Modell-Training sowie den stabilen Betrieb von Inferenz-Schnittstellen automatisierst.
Responsibilities
- Implementierung moderner Data- und AI-Infrastrukturen
- Orchestrierung von GPU-Clustern
- Strukturierung von Datenplattformen
- Automatisierung von Pipelines für ein effizientes Modell-Training sowie den stabilen Betrieb von Inferenz-Schnittstellen
- Konzeption von Datenplattformen, von der Storage-Architektur über Lakehouse-Formate bis zur Integration von Orchestrierung und Streaming-Komponenten
- Einsatz und Integration von Tools wie Airflow, Spark on Kubernetes oder Ray, um sicherzustellen, dass Data- und ML-Workflows zuverlässig in Produktion laufen
- Anwendung von Infrastructure-as-Code und GitOps als Standard
- Einbau von Sicherheit von Beginn an bei sensiblen Datenprodukten, von Network Policies bis zu den Anforderungen aus der Data Governance
- Verantwortung für Monitoring, Incident-Handling und GPU-Kapazitätsplanung
Requirements
- Fundierte Kubernetes-Erfahrung im produktiven Betrieb
- Tiefgehende Kenntnisse im Umgang mit einem der großen Cloud-Provider (AWS, Azure, Google Cloud, StackIT)
- Routinierter Einsatz von Infrastructure-as-Code
- Verständnis dafür, wie Storage-Architekturen für unterschiedliche Workloads ausgelegt werden beim Aufbau von Datenplattformen
- Integration von Netzwerk-Härtung und Security Best Practices von Anfang an
- Nutzung von KI-Tools im Arbeitsalltag (Code-Assistenten und KI-basierte Automatisierung), etwa beim Aufsetzen von Terraform-Modulen für Data-Pipelines oder beim Optimieren von GPU-Workload-Konfigurationen
- Fähigkeit, komplexe technische Zusammenhänge auch nicht-technischen Ansprechpartner:innen zu vermitteln
- Sehr gute Deutschkenntnisse (mind. C1)
- Gute Englischkenntnisse
Nice to have
- Erfahrung mit Workflow-Orchestrierung, Streaming, GPU-Scheduling, Model Serving und Lakehouse-Plattformen (oder Lust, sich in diese Bereiche einzuarbeiten)
Benefits
- Möglichkeit, den anfangs gewählten technologischen Schwerpunkt jederzeit zu verlagern
- Möglichkeit, jüngere Kolleg:innen durch Mentoring zu unterstützen als Expert:in im Bereich Engineering
Additional details
- Technologien in Projekten: AWS, Azure, Google Cloud, StackIT, Kubernetes
- Technologien in Projekten: Terraform, ArgoCD, Helm, Cilium, Kyverno
- Technologien in Projekten: Airflow, Spark, Kafka, Ray, Kueue
- Technologien in Projekten: Databricks, Snowflake, dbt, Iceberg
- Technologien in Projekten: S3, PostgreSQL, pgvector, MLflow, vLLM, KServe
- Technologien in Projekten: Prometheus, Grafana, OpenTelemetry
- Technologien in Projekten: Python, Go
- Ob ein Studium oder eine Ausbildung im IT-Bereich abgeschlossen wurde, ist nebensächlich; fachliche Skills und Persönlichkeit zählen
- Originally posted on Himalayas