Machine Learning Ops Engineer (m/w/d)

Mache den nächsten Schritt in deiner beruflichen Laufbahn oder starte deine Karriere nach deinem kaufmännischen oder technischen Abschluss mit abwechslungsreichen Themen rund um die Business Resilienz und Risikominimierung unserer Kunden. Unser Business & Technology Center übernimmt unterschiedliche Aufgaben, darunter die Implementierung und das Management von risikobezogenen Prozessen, Tools und Dokumentationen bei namhaften Kunden. Wir arbeiten an aktuellen Themen wie Cyberattacken, Compliance, Datenschutz, Identity Management, Vertragsmanagement, Nachhaltigkeit und Projektrisiken. Sichere unseren gemeinsamen Erfolg und mach mit uns den Unterschied: als Machine Learning Ops Engineer (m/w/d).

Standorte: Leipzig, Berlin, Düsseldorf, Frankfurt (Main), Hannover und München.

.subtitle li { text-align: start !important; word-break: break-word; }

#component-breadcrumbs + * .text-image-block-wrapper { padding-top: 40px !important; } *: has(~ * #job-list) .text-image-block-wrapper{ padding-bottom: 36px !important; } .text-image-block li { list-style: disc outside !important; margin-left: 1.25rem; margin-bottom: 12px; } .text-image-block-wrapper: has(+ #card-collection){ padding-bottom: 42px !important; }

Dein Impact:
Als MLOps Engineer (m/w/d) automatisierst du ML-Pipelines, betreibst und skalierst KI-Plattformen (z. B. Oracle OCI, Cloudera, IBM Watson, AWS, Azure, Google Cloud) und optimierst Monitoring sowie Infrastruktur – und trägst so zur Stabilität und Effizienz produktiver KI-Lösungen bei.

Stabilität: Du sicherst die Stabilität unserer KI-Plattformen, analysierst Fehlerursachen und verantwortest das Patch- und Lifecycle-Management für Cluster- und Containerumgebungen mit modernen Tools (z.B. Kubernetes, Docker, Helm, ArgoCD, Prometheus).

Automatisierung: In deinen Projekten automatisierst du ML-Pipelines mit Tools wie MLflow, Kubeflow oder Airflow und orchestrierst Container-Workloads mit Kubernetes oder OpenShift für skalierbare KI-Systeme.

Monitoring: Mit deinem Team optimierst du Monitoring- und Logging-Lösungen wie Grafana und Kibana, entwickelst Dashboards und Filter und stellst Transparenz für Plattform- und Modellperformance sicher.

Infrastructure-as-Code: Du automatisierst Infrastrukturprozesse und setzt auf Infrastructure-as-Code mit Terraform und Ansible, um Skalierbarkeit sicherzustellen.

Sicherheit: In deinen Aufgaben stellst du Datenschutz, Rechtemanagement und Auditability sicher, integrierst Cloud-Lösungen und arbeitest eng mit Data Scientists, ML Engineers und Entwicklerteams zusammen.

.subtitle li { text-align: start !important; word-break: break-word; } #component-breadcrumbs + * .text-image-block-wrapper { padding-top: 40px !important; } *: has(~ * #job-list) .text-image-block-wrapper{ padding-bottom: 36px !important; } .text-image-block li { list-style: disc outside !important; margin-left: 1.25rem; margin-bottom: 12px; } .text-image-block-wrapper: has(+ #card-collection){ padding-bottom: 42px !important; }

Dein Skillset:
Abschluss in Informatik, im Wirtschaftsingenieurswesen oder vergleichbar

Erfahrung in Automatisierung von ML-Pipelines, Plattformbetrieb und Orchestrierung mit Kubernetes/OpenShift sowie in der Optimierung von Monitoring- und Logging-Lösungen

Kenntnisse in Infrastructure-as-Code (Ansible, Terraform), CI/CD-Prozessen, Versionsverwaltung (Git) und GPU-Integration (z. B. NVIDIA) für ressourcenintensive KI-Workloads

Sicherer Umgang mit Tools wie MLflow, Kubeflow, Airflow sowie Grafana und Kibana für Monitoring und Logging; Erfahrung mit Containerisierung und Virtualisierungstechnologien

Deutsch und Englisch sehr gut in Wort und Schrift

.subtitle li { text-align: start !important; word-break: break-word; } #component-breadcrumbs + * .text-image-block-wrapper { padding-top: 40px !important; } *: has(~ * #job-list) .text-image-block-wrapper{ padding-bottom: 36px !important; } .text-image-block li { list-style: disc outside !important; margin-left: 1.25rem; margin-bottom: 12px; } .text-image-block-wrapper: has(+ #card-collection){ padding-bottom: 42px !important; }

Deine Chance:
Spannende Aufgaben in einem innovativen Umfeld mit hochmotivierten Kolleg: innen, die sich schon jetzt auf deine Impulse freuen

Gute Rahmenbedingungen mit attraktivem Gehalt und zahlreichen Zusatzleistungen, z. B. Firmen-Smartphone zur privaten Nutzung, Fahrradleasing und Corporate Benefits

Work-Life-Balance durch Mobile Working & Teilzeit, EU Remote Working, Sabbaticals, Mitarbeiter: innen-Events, Well-being Angebote wie z. B. Gesundheitstage, Kooperationen mit Fitness-Anbietern und den Familienservice, der dich bei privaten Herausforderungen unterstützt

Exzellente Weiterbildung an der Deloitte University, in On- und Offline-Seminaren und im Rahmen der Berufsqualifikation

Vielfältige Gestaltungsspielräume und aktive Förderung einer inklusiven Unternehmenskultur – u. a. durch unsere Diversity & Inclusion Mitarbeiter: innen-Netzwerke

.subtitle li { text-align: start !important; word-break: break-word; }

Job Visitenkarte

Machine Learning Ops Engineer (m/w/d)

JOB-ID:
49806

STANDORT

Berlin, 10719DEBerlin

Düsseldorf, 40476DENordrhein-Westfalen

Leipzig, 04317DESachsen

Frankfurt (Main), 60486DEHessen

Hannover, 30159DENiedersachsen

München81669DEBayern

JOBART

Vollzeit

KEYWORDS

Absolvent: innen

Advisory

Digital Risk

Business & Technology Center

GESCHÄFTSBEREICH

Lerne den Geschäftsbereich Advisory kennen.

ZIELGRUPPE

Finde heraus, welche Möglichkeiten wir für Absolvent: innen bieten.

Bist du bereit? Mach mit uns den Unterschied!

Unser Recruiting-Team freut sich auf deine Bewerbungsunterlagen (CV sowie Abitur-, Hochschul- und Arbeitszeugnisse) über unser Online-Formular. Ein Anschreiben und ein Bewerbungsfoto sind bei uns nicht erforderlich.

Gleiche Chancen für alle: Wir freuen uns über Bewerbungen von Menschen, die so vielfältig sind wie wir – unabhängig von Alter, Behinderung, ethnischer Herkunft und Nationalität, Geschlecht, Religion, sexueller Orientierung oder sozialer Herkunft. Noch Fragen? Alle Infos zu unserem Bewerbungsprozess findest du in unseren Bewerbungs-FAQs.

Bewerbungsfrist: Solange der Job angezeigt wird, kannst du dich schnell und bequem online bewerben. Jobs werden häufig an verschiedenen Standorten mehrfach besetzt und du kannst flexibel jeden Monat beginnen - sofern nicht im Stellentext genannt, gibt es keinen Bewerbungsschluss.