AI DevOps Engineer * (all Levels)

##

Vollzeit oder Teilzeit (32–40 Std./Woche) | ab sofort | deutschlandweit, hybrid oder remote

Deine RAG-Pipeline läuft im Notebook, aber niemand hat sie in Produktion gebracht? Genau das lösen wir. Das UNITY AI Booster Team bringt LLM- und Agentic-AI-Systeme unserer Kunden zuverlässig, sicher und wirtschaftlich live.

Das UNITY AI Booster Team

Das UNITY AI Booster Team ist UNITYs Entwicklereinheit für die Entwicklung und Implementierung von KI-Lösungen in den Geschäftsprozessen unserer Kunden. Wir entwickeln Lösungen mit hoher Technologiebandbreite, von Machine Learning Use Cases, LLM Use Cases oder eigenen Agentenplattformen. Anders als unsere Consultants sind wir näher am Code: Wir arbeiten im Projekt mit den Consultants und unserem Procurement X Team zusammen, bauen und betreiben aber die technische Plattform dahinter.

Das erwartet dich

Infrastruktur für produktive KI-Anwendungen bauen und betreiben – von der Dev-Umgebung über CI/CD bis zum stabilen Betrieb beim Kunden und außerdem:

• LLM- und Agentic-AI-Systeme in Betrieb bringen: Inferenz- und Model-Serving-Endpunkte, Vektordatenbanken, RAG-Pipelines, MCP-Server – skalierbar, sicher, kostenbewusst.
• Observability und Qualität verantworten: Latenzen, Token- und Infrastrukturkosten, Agenten-Tracing, automatisierte Eval- und Regressionstests.
• Konsequent automatisieren statt Handarbeit: Infrastructure as Code, GitOps, containerisierte, reproduzierbare Deployments.
• Sicherheit und Compliance sicherstellen: Secrets- und Zugriffsmanagement, Guardrails, Nachvollziehbarkeit nach EU AI Act.
• Kunden bei Architektur- und Betriebsentscheidungen beraten – als technischer Sparringspartner*, nicht als Kundenmanager*.

Was du hier lernst

• MLOps-/LLMOps-Patterns im echten Kundenbetrieb statt im Lehrbuch.
• Wie man KI-Systeme so baut, dass sie den EU AI Act überstehen, statt ihn nachträglich zu reparieren.
• Den Sprung vom PoC zur produktiven, kosten- und latenzbewussten Plattform.

Das bringst du mit

• Mehrjährige Erfahrung in Entwicklung und Betrieb von Software.
• Senior-Rolle: mehrjährige Praxis im Design und Betrieb produktiver Systeme

• Solide DevOps-Basis: Container/Kubernetes, CI/CD, agiles Entwicklungsumfeld.
• Cloud-Erfahrung (AWS, Azure oder GCP), Deployment als Container, API oder Serverless.
• Praxis mit Infrastructure as Code (z. B. Terraform, Ansible, Helm oder GitOps).
• Python plus mindestens eine weitere Sprache (Go, TypeScript/JavaScript, Java, C# oder Shell).
• Grundverständnis von LLM-Systemen: RAG-Architekturen, Prompting, Agenten-Frameworks (z. B. LangChain, LangGraph, AutoGen, CrewAI).