Senior MLOps / LLMOps Engineer (all genders)

• Ausbildung & Erfahrung: Du verfügst über ein abgeschlossenes Studium in Informatik, Data Engineering, Software Engineering oder einem vergleichbaren technischen Fachgebiet und mindestens 3 Jahre Erfahrung im Betrieb produktiver ML- oder LLM-Systeme im Enterprise-Umfeld.
• Fachwissen im ML/LLM-Qualitätsmanagement: Du verstehst Modell-Lifecycle-Management, Drift Detection, Prompt-Evaluation und experimentelle Vergleichsverfahren tiefgehend.
• Tech-Stack anwenden: Du arbeitest souverän mit MLflow oder Weights & Biases, CI/CD-Toolchains wie GitLab CI oder GitHub Actions sowie Container- und Cloud-Umgebungen.
• strukturierte Arbeitsweise: Du arbeitest qualitäts-, stabilitäts- und reproduzierbarkeitsorientiert mit hohem Engineering-Anspruch.
• Sprachkenntnisse: Du kommunizierst mündlich als auch schriftlich sicher und präzise auf Deutsch und Englisch.

Unser Versprechen: Du wirst dich bei uns wohlfühlen! Kollegial, familiär und auf Augenhöhe - wir leben Austausch, Teamgeist und einen respektvollen Umgang miteinander. Diversität und verschiedene Blickwinkel werden bei uns genauso geschätzt wie du als Mensch. Das und viel mehr steht für unser ganz besonderes Wir-Gefühl. Für das es sogar ein Wort gibt: adessi.

Wir gehören zu den Top-Adressen in der IT-Welt und fokussieren uns auf die Optimierung der Kerngeschäftsprozesse unserer Kunden. Durch den smarten Einsatz maßgeschneiderter IT-Lösungen unterstützen wir unsere Kunden dabei, das Beste aus ihrem Business und aktuellen Technologien herauszuholen. Unseren Erfolg aber erreichen wir nur durch eins: die Menschen bei adesso! Sie bringen Ideen, fachliches Know how und Technologien zusammen. Gemeinsam programmieren wir (deine) Zukunft bei adesso. DEINE ROLLE * End-to-End-Lifecycle steuern: Du verantwortest Versionierung, Deployment, Monitoring und kontinuierliche Weiterentwicklung von ML- und LLM-Systemen im produktiven Betrieb. * CI/CD für AI etablieren: Du implementierst automatisierte Trainings-, Test- und Deployment-Pipelines inklusive Modell- und Prompt-Versionierung. * Evaluierungsarchitekturen entwickeln: Du konzipierst strukturierte Testsets, Golden Datasets und Metriken zur objektiven Qualitätsmessung von ML- und RAG-Systemen. * Observability sicherstellen: Du implementierst Monitoring für Modell-Drift, Daten-Drift, Latenz, Tokenverbrauch und Antwortqualität. * Reproduzierbarkeit verankern: Du stellst Auditierbarkeit, Nachvollziehbarkeit und kontrollierte Rollbacks in AI-Systemlandschaften sicher.