machine-learning-engineer-retail-buying bei limango GmbH
Limango sucht einen Machine Learning Engineer für das Retail ML Team in München. Die Position umfasst die Entwicklung von KI-Lösungen für dynamische Preisanpassungen, Nachfrageprognosen und datengestützte Einkaufsentscheidungen. Kandidaten bringen Erfahrung mit Python, ML-Frameworks und Google Cloud Platform mit und arbeiten in einem hybriden Modell.
Deine Rolle im Retail ML Team bei limango
Als Machine Learning Engineer im Retail ML Team übernimmst du die vollständige Verantwortung für die Entwicklung und Wartung fortschrittlicher KI-Lösungen, die direkte Auswirkungen auf unsere kommerzielle Leistung haben. Deine Arbeit reicht von der Konzeption bis zur Produktionisierung von Modellen, die im großen Maßstab operieren und unsere Retail-Strategien unterstützen.
- End-to-End ML Systeme — Du entwickelst und wartest komplette Machine Learning Lösungen, die von der Datenbeschaffung über das Training bis zur Produktivsetzung reichen
- Business Impact — Deine Modelle beeinflussen dynamische Preisgestaltung, Nachfrageprognosen und datengestützte Einkaufsentscheidungen, die direkt unseren Umsatz steigern
- LLM Integration — Du erforschest und implementierst LLM-basierte Methoden sowie agentenbasierte KI-Ansätze zur Verbesserung von Automatisierung und Entscheidungsunterstützung
- Data Pipeline Architektur — Du baust zuverlässige, skalierbare Datenpipelines und sicherst hochwertige Datenströme im gesamten ML-Ökosystem
Du wirst Teil eines fokussierten Teams aus drei Machine Learning Engineers und berichts direkt an den ML Retail Team Lead. Deine Arbeit verbindet technische Exzellenz mit praktischem Business-Wert für unsere über 22 Millionen Mitglieder.
Technische Anforderungen und Stack für ML Engineer
Um in dieser Position erfolgreich zu sein, bringst du umfangreiche technische Expertise mit und zeigst bewährte Erfahrung in der Arbeit mit production-ready ML-Systemen. Der technische Fokus liegt auf modernen ML-Frameworks und Cloud-Infrastrukturen, die in der Retail-Branche zunehmend an Bedeutung gewinnen.
- Python Fundament — Du beherrschst Python für Datenverarbeitung, Modellentwicklung und Performance-Optimierung in Produktionsumgebungen
- SQL Expertise — Analytische Abfragen und Datenmodellierung sind für deine tägliche Arbeit in Retail-Datenbanken essentiell
- ML Frameworks — Praktische Erfahrung mit TensorFlow, scikit-learn, XGBoost und/oder LightGBM für Training, Tuning und Deployment
- Google Cloud Platform — Familiarität mit GCP-Services wie Cloud Storage, BigQuery, Vertex AI und Cloud Functions für ML-Arbeitslasten
- Workflow Orchestration — Hands-on Erfahrung mit Apache Airflow zur Orchestrierung von Datenpipelines und ML-Workflows
- Sprachkenntnisse — Fließende Englischkenntnisse für technische Dokumentation und internationale Zusammenarbeit
Zusätzlich bringst du eine strukturierte Herangehensweise mit und bist bereit, komplexe Retail-Herausforderungen in messbare ML-Ergebnisse zu übersetzen. Deine Fähigkeit, ML-Konzepte gegenüber nicht-technischen Stakeholdern zu erklären, ist ebenso wichtig wie deine technischen Fähigkeiten.
Zusätzliche Qualifikationen und Nice-to-haves
Neben den grundlegenden technischen Anforderungen gibt es mehrere Bereiche, in denen zusätzliche Erfahrung den Unterschied macht. Besonders im Retail-Umfeld sind spezifische Domänenkenntnisse wertvoll, die deine Arbeit direkt mit den Besonderheiten der Branche verbinden.
- Retail-Domain — Branchenerfahrung im E-Commerce oder Supply Chain Management, insbesondere bezüglich Datenmuster und operationaler Einschränkungen
- Time-Series Modellierung — Erfahrung mit der Entwicklung und Wartung von Preis-, Nachfrageprognose- oder anderen Zeitreihenmodellen in Produktionsumgebungen
- MLOps & CI/CD — Verständnis von ETL/ELT-Pipelines, MLOps-Praktiken, CI/CD für ML, Feature Stores und Model Monitoring
- LLM Integration — Praktische Erfahrung mit Large Language Models, Prompt Engineering, Fine-Tuning oder der Integration von LLMs in Produktionsysteme
- Retail-Szenarien — Verständnis von typischen Retail-Problemen wie dynamischer Preisgestaltung, Bestandsprognose und Kaufverhalten
Diese zusätzlichen Qualifikationen positionieren dich als besonders wertvolles Teammitglied, das nicht nur technisch kompetent ist, sondern auch die spezifischen Herausforderungen des Retail-Umfeldes versteht und antizipieren kann.
Was limango als Arbeitgeber bietet
Limango versteht sich als attraktiver Arbeitgeber, der Wert auf Unternehmenskultur, Wachstumsmöglichkeiten und Mitarbeiterwohlbefinden legt. Das Unternehmen schafft ein Umfeld, in dem du nicht nur technisch wachsen, sondern auch persönlich und kulturell integriert werden kannst.
- Hybride Arbeitsmodelle — Flexibles Arbeiten mit 2 Tagen Bürobesuch in München für Münchner, remote möglich für andere Standorte
- Culture That Feels Like Home — Offene, teamorientierte Atmosphäre mit einem Gefühl der Zugehörigkeit
- Wachstumspotenzial — Raum für Entwicklung mit kreativer Freiheit in einem schnell wachsenden Unternehmen
- Zentrale Münchner Lage — Unser Büro befindet sich im Herzen Münchens mit guter Anbindung
- Fortbildung — Zugang zu Sprachkursen und maßgeschneiderten Entwicklungsprogrammen für kontinuierliches Lernen
- Perks & Benefits — Subventionierung des MVG-Tickets, EGYM Wellpass für Fitness oder JobBike für Mobilität
- Team-Events — Regelmäßige Events, die Kultur und Teamzusammenhalt stärken
Diese Benefits zeigen, dass Limango investiert in die Zufriedenheit und Entwicklung seiner Mitarbeiter. Das Unternehmen ist stolz darauf, Familien mit Produkten zu versorgen und möchte diese Mission mit talentierten Persönlichkeiten wie dir weiterverfolgen.
Deine Benefits im Überblick
Häufige Fragen zu dieser Stelle
Wie funktioniert das Arbeitsmodell bei limango für München?
▼
Für Mitarbeiter in München ist ein hybrides Arbeitsmodell vorgesehen mit 2 Tagen Bürobesuch pro Woche. Das Büro befindet sich zentral in München. Mitarbeiter aus anderen Standorten können remote arbeiten, was die Flexibilität erhöht. Dieses Modell ermöglicht eine gute Balance zwischen persönlichem Austausch und flexibler Arbeit.
Welche spezifischen ML-Frameworks werden im Team eingesetzt?
▼
Das Team nutzt TensorFlow, scikit-learn, XGBoost und LightGBM für verschiedene ML-Aufgaben. Google Cloud Platform Services wie BigQuery, Vertex AI und Cloud Functions bilden die Cloud-Infrastruktur. Apache Airflow wird für die Orchestrierung von Datenpipelines und ML-Workflows verwendet.
Wie sieht die Karrieremöglichkeit bei limango aus?
▼
Limango bietet Raum für Wachstum mit kreativer Freiheit in einem schnell wachsenden Unternehmen. Es gibt Zugang zu Sprachkursen und maßgeschneiderten Entwicklungsprogrammen. Das Unternehmen ist Teil der Otto Group, was langfristige Entwicklungsmöglichkeiten und interne Mobilität bieten kann.
Was sind die wichtigsten technischen Herausforderungen in dieser Position?
▼
Die Hauptaufgaben umfassen die Entwicklung von Modellen für dynamische Preisgestaltung, Nachfrageprognosen und datengestützte Einkaufsentscheidungen. Du wirst LLM-basierte Methoden und agentenbasierte KI-Ansätze erforschen. Die Arbeit erfordert die Produktionisierung von Modellen im großen Maßstab und die Sicherung hochwertiger Datenströme im ML-Ökosystem.