devjobs.de

Junior DevOps / Machine Learning Engineer

Power Reply GmbH & Co. KG · Berlin, München | München | Deutschland | Berlin · Hybrid, Onsite

Gehalt auf Anfrage

Gefunden am 16.05.2026

Match

84%

Fit in Skills, Kultur und Entwicklungspfad.

Beschreibung

Job Zusammenfassung In diesem Job entwickelst du cloudbasierte Machine-Learning-Anwendungen, automatisierst wiederkehrende Aufgaben und berätst Kunden über skalierbare Architekturen, während du eng mit Fachkollegen zusammenarbeitest. Job Zusammenfassung In diesem Job entwickelst du cloudbasierte Machine-Learning-Anwendungen, automatisierst wiederkehrende Aufgaben und berätst Kunden über skalierbare Architekturen, während du eng mit Fachkollegen zusammenarbeitest. Deine Rolle im Team Gemeinsam mit unseren Kunden entwickelst du technische Strategien für die Einführung moderner Cloud-Lösungen - insbesondere für datenintensive Anwendungen mit Fokus auf Machine Learning und künstlicher Intelligenz. Dabei gestaltest du aktiv die digitale Transformation. Du konzipierst, implementierst und visualisierst Cloud-Architekturen auf Basis von AWS, Azure, GCP oder hybriden On-Premises-Infrastrukturen. Deine Lösungen sind individuell, skalierbar und zukunftssicher. Wiederkehrende Aufgaben automatisierst du mithilfe fortschrittlicher DevOps- und MLOps-Konzepte. So ermöglichst du eine deutlich schnellere Time-to-Delivery und erhöhst die Effizienz deiner Kundenprojekte. Trends im Cloud-Bereich hast du stets im Blick. Du bringst Best Practices ein und berätst proaktiv zu neuen Technologien, die echten Mehrwert schaffen. Für den sicheren Betrieb von Machine-Learning-Lösungen entwickelst du robuste Überwachungs-, Failover- und Recovery-Infrastrukturen - selbstverständlich unter Berücksichtigung aktueller regulatorischer Anforderungen. In enger Abstimmung mit Kunden und Stakeholdern analysierst du komplexe Geschäftsanforderungen und übersetzt sie in produktionsreife, skalierbare Lösungen. Deine Beratung ist dabei entscheidend für den Projekterfolg. Du arbeitest interdisziplinär mit Enterprise Architects, Data Scientists, Data Engineers und Business Analysts zusammen, um leistungsstarke Datenplattformen wie Data Warehouses, Data Lakes und moderne Analytics-Lösungen zu entwickeln. Unsere Erwartungen an dich Ausbildung Ein erfolgreich abgeschlossenes Studium mit technischen Schwerpunkt, wie z. B. in Informatik, Wirtschaftsinformatik, Wirtschaftsmathematik bildet die Basis für deinen Einstieg. Qualifikationen Kenntnisse in Kubernetes, Programmiersprachen wie Python, Java oder Scala sowie im Umgang mit SQL- und NoSQL-Datenbanken und Data Lakes ermöglichen dir, datenintensive Anwendungen effizient mitzugestalten. Du bringst ein solides Verständnis für Cloud-Architekturen (z. B. AWS oder Azure), gängige Betriebssysteme wie Unix/Linux und Applikationsplattformen mit - und kannst dieses Wissen gezielt in Beratungsprojekten einsetzen. Kommunikationsstärke in Deutsch und Englisch - sowohl mündlich als auch schriftlich - sowie die Bereitschaft zu gelegentlichen Reisen innerhalb Deutschlands zeichnen dich aus. Du hast ein gutes Gespür dafür, wie man komplexe analytische Ergebnisse verständlich und überzeugend präsentiert - auch gegenüber dem Management. Erfahrung Erste praktische Erfahrungen mit DevOps- und MLOps-Prinzipien sowie mit Cloud-Plattformen wie Microsoft Azure, AWS, GCP oder Databricks sind von Vorteil und helfen dir, schnell Verantwortung in Kundenprojekten zu übernehmen. Benefits Mehr Netto 🏝️ Urlaubs- und Weihnachtsgeld Gesundheit, Fitness & Fun 🚲 Jobrad 🎳 Team Events Work-Life-Integration 🏠 Home Office Themen mit denen du dich im Job beschäftigst Machine Learning Cloud Computing AI Metadaten Level: Junior Job Feld: IT, Data, DevOps Anstellung: Vollzeit Vertragsart: Unbefristetes Dienstverhältnis Arbeitsmodell: Hybrid, Onsite Unternehmenstyp: Etablierte Firma Branche: Energiewirtschaft, Umwelt Ort: Berlin, München | München | Deutschland | Berlin

Tech Stack

AWSAzureGCPJavaKubernetesPythonSQL

Warum passt du zu dieser Stelle?

Fit technisch: Stark auf Backend und API-Architektur.

Gaps: Fehlende Tool-Erfahrung in 1-2 Schlüsselbereichen.

Success-Wahrscheinlichkeit: Hoch bei schneller Einarbeitung.