){kind=logo}
machine-learning-engineer bei JSP International
JSP International sucht einen Machine Learning Engineer für die Entwicklung von KI-getriebenen Fertigungslösungen im Rahmen von Industrie 4.0. Die Position ermöglicht volles Homeoffice in Düsseldorf und umfasst die Entwicklung, den Einsatz und die Optimierung von ML-Modellen für Produktionsprozesse.
Deine Verantwortung als Machine Learning Engineer bei JSP International
In dieser Rolle bringst du innovative Machine Learning-Lösungen in eine etablierte Fertigungslandschaft und transformierst Produktionsdaten in skalierbare, zuverlässige KI-Modelle. Du arbeitest in einem Umfeld, das Innovation und nachhaltige Entwicklung fördert, während du gleichzeitig praktische Anwendungsfälle aus der Industrie adressierst.
- Modellentwicklung und -optimierung — Du gestalltest den gesamten ML-Lebenszyklus von der Problemdefinition bis zur Performance-Tuning und trägst maßgeblich zur Entwicklung von ML-Modellen bei, die Qualitätsvorhersagen, Anomalieerkennung und vorausschauende Wartung ermöglichen.
- Produktionsreife Implementierung — Deine entwickelten Modelle müssen in reale Fertigungssysteme integrierbar sein und mit Data Engineers zusammenarbeiten, um eine zuverlässige Datenbasis und skalierbare Lösungen zu gewährleisten.
- Qualitätssicherung und Monitoring — Du sorgst dafür, dass alle ML-Lösungen Informationssicherheitsanforderungen erfüllen und durchgängig überwacht werden, um Performance und Konsistenz in Produktionsumgebungen zu garantieren.
- Best Practice Etablierung — Du entwickelst Dokumentationsstandards und trągst zur Verbreitung von ML-Best Practices innerhalb der Organisation bei, was langfristige Skalierbarkeit sicherstellt.
Durch deine Arbeit unterstützt du direkt die digitale Transformation der Fertigungsprozesse und schaffst die Grundlage für zukünftige KI-gesteuerte Produktionslösungen.
Anforderungen und Qualifikationen für diese ML-Position
Als erfahrener Machine Learning Engineer erwartest du von dieser Stelle eine gefestigte technische Basis mit Spezialisierung auf industrielle Anwendungsfälle. Das Unternehmen legt Wert auf nachweisbare praktische Erfahrung, die direkt in Produktionskontexte übertragbar ist.
- Technische Ausbildung — Du bringst mindestens einen Bachelor- oder Masterabschluss in Informatik, Ingenieurwesen, Data Science oder verwandten Fachgebieten mit, was die theoretische Fundierung für komplexe ML-Aufgaben sicherstellt.
- Praktische ML-Erfahrung — Starke Hands-on-Kenntnisse mit Python und gängigen ML-Frameworks wie PyTorch, TensorFlow oder scikit-learn sind zwingend erforderlich, um Modelle effizient zu entwickeln und zu deployen.
- Branchenspezifisches Wissen — Erfahrung mit Zeitreihendaten, Sensordaten, Bild- oder strukturierten Industriedaten ist essenziell, da dies die Realität der Fertigungsumgebung widerspiegelt.
- Modellkompetenz — Du verfügst über fundiertes Verständnis von Supervised und Unsupervised Learning, Modellbewertung und Performance-Optimierung, einschließlich moderner Deep Learning und Time-Series Techniken.
- Kollaboration und Kommunikation — Die Fähigkeit, ML-Konzepte und Ergebnisse für technische und nicht-technische Stakeholder verständlich zu kommunizieren, ist mindestens ebenso wichtig wie die technische Umsetzung.
Zusätzlich wird Vertrautheit mit Cloud-ML-Plattformen wie Microsoft Azure als Vorteil gesehen, was die Integration in moderne Tech-Stacks erleichtert.
Warum JSP International ein attraktiver Arbeitgeber für ML-Spezialisten ist
JSP International bietet nicht nur eine herausfordernde technische Position, sondern auch eine umfassende Bereicherung durch ihre Unternehmenskultur und die langfristige Ausrichtung auf Innovation und Nachhaltigkeit.
- Faire Arbeitsbedingungen — Ein unbefristeter Vollzeitvertrag in einem globalen börsenkotierten Unternehmen bietet Planungssicherheit und zeigt das Vertrauen in langfristige Zusammenarbeit.
- Flexible Homeoffice-Umgebung — 100% Homeoffice ermöglicht maximale Flexibilität bei der Arbeitseingliederung, was Work-Life-Balance und produktives Arbeiten unterstützt.
- Entwicklungsorientierung — Ein sorgfältiger Onboarding-Plan mit Unterstützung durch Manager und cross-funktionale Kollegen sowie Raum für eigene Ideen fördern kontinuierliches Lernen und Wachstum.
- Vergünstigte Benefits — Neben 30 Urlaubstagen bieten Sport-Beteiligung, Betriebsrente und die Möglichkeit eines Firmenfahrrads zusätzliche Wertschätzung für die Mitarbeiter.
- Vielseitige Aufgaben — Diverse, interessante und herausfordernde Projekte in verschiedenen Branchenkontexten verhindern Monotonie und ermöglichen breites fachliches Wachstum.
Die Unternehmensstrategie auf Industrie 4.0 und nachhaltige Innovation macht diese Position zu einer idealen Wahl für ML-Ingenieure, die ihre Expertise in einem bedeutenden industriellen Kontext weiterentwickeln möchten.
Deine Benefits im Überblick
Häufige Fragen zu dieser Stelle
Was sind die konkreten Anwendungsfälle für die ML-Modelle in dieser Position?
▼
Die ML-Modelle dienen primär industriellen Fertigungsprozessen mit Fokus auf Qualitätsvorhersage, Anomalieerkennung, vorausschauende Wartung und Prozessoptimierung. Dies ermöglicht proaktive Entscheidungen in der Produktion und reduziert Ausfallzeiten durch KI-gestützte Analysen von Sensordaten und Bildinformationen.
Wie sieht die Homeoffice-Rückkehr-Regelung aus?
▼
Die Position wird als 100% Homeoffice beworben, was bedeutet, dass du vollständig remote arbeiten kannst. Es gibt keine explizite Rückkehr-Regelung im Angebot, sodass die Flexibilität vollständig im Homeoffice-Kontext bleibt. Dies unterstützt eine.Work-Life-Integration deiner Wahl.
Gibt es Möglichkeiten für Zertifizierungen oder Weiterbildung?
▼
Ja, das Unternehmen bietet Raum für eigene Ideen und Entwicklungsmöglichkeiten. Die Kombination aus cross-funktionaler Zusammenarbeit, strukturiertem Onboarding und der Möglichkeit, eigene Projekte zu initiieren, schafft eine Umgebung, in der Weiterbildung organisch Teil des Arbeitsalltags wird.
Was erwartet mich bezüglich technischer Tools und Infrastruktur?
▼
Das Unternehmen nutzt Python-basierte ML-Frameworks (PyTorch, TensorFlow, scikit-learn) und setzt auf Cloud-ML-Plattformen wie Microsoft Azure. Die Infrastruktur ist für Produktionseinbindung optimiert und unterstützt Versionierung, Reproduzierbarkeit und sichere Deployment-Prozesse.