AI Reliability Engineer

remote-job.net Job-Zusammenfassung:

💶 Gehalt:	keine Angabe
⏰ Wöchentliche Arbeitszeit:	Vollzeit
🔍 Empfohlene Erfahrung:	Senior
🎓 Empfohlene Ausbildung:	keine Angabe
📋 Hauptaufgaben:	Verantwortung für Zuverlässigkeit und Performance produktiver KI‑Systeme. Refactoring und Härtung des AI‑Codebases zur Verbesserung von Observability und Wartbarkeit. Design und Aufbau von Monitoring‑/Alerting‑Lösungen und Produktionssetzung von ML‑Modellen.
✅ Hauptvoraussetzungen:	Mehrjährige Erfahrung mit verteilten Systemen und Performance‑Optimierung. Kenntnisse in Kubernetes, Datenbank‑ und Produktionsinfrastruktur. Erfahrung mit Observability, Debugging und Zusammenarbeit mit ML‑Teams.
🏭 Branche:	Cybersecurity

Über das Unternehmen

MixMode ist ein führender Anbieter von KI-gestützten Cybersicherheitslösungen in großem Maßstab und verfolgt einen patentierten, kontextbewussten Third‑Wave‑AI‑Ansatz, der selbstlernend dynamische Umgebungen adaptiert.

Die Plattform liefert selbstüberwachende, Echtzeit‑Erkennung für bekannte und unbekannte Bedrohungen über Cloud-, Hybrid‑ und On‑Premises‑Umgebungen. Große Organisationen mit umfangreichen Datenaufkommen – einschließlich Unternehmen, kritischer Infrastrukturen sowie Teilen der US‑Regierung und Geheimdienste – vertrauen MixMode zum Schutz ihrer wichtigsten Assets. MixMode wird von PSG und Entrada Ventures unterstützt und hat seinen Hauptsitz in Santa Barbara, Kalifornien.

Aufgaben

• Gesamtverantwortung für Zuverlässigkeit, Performance und operative Gesundheit produktiver KI‑Systeme.
• Refactoring und Härtung des bestehenden AI‑Codebases zur Verbesserung von Observability, Wartbarkeit und Resilienz.
• Diagnose und Behebung von Problemen in verteilten Systemen (Latenz, Durchsatz, Datenpipelines, Ressourcenverbrauch).
• Design und Implementierung von Monitoring-, Alerting‑ und Debugging‑Werkzeugen für hochverfügbare Dienste.
• Zusammenarbeit mit ML‑Forschern und ML‑Engineers zur Skalierung und Produktionsreife von Modellen.
• Einführung und Etablierung von Best Practices für Testing, Deployment und Kapazitätsplanung.

Voraussetzungen

• Mehrjährige Erfahrung als Software/Reliability Engineer mit Fokus auf verteilte Systeme und Produktionsinfrastrukturen.
• Fundierte Kenntnisse in Kubernetes, Infrastruktur‑Orchestrierung und datenbankbezogenen Systemschichten.
• Erfahrung mit Observability‑Tools (Monitoring, Tracing, Logging) und Performance‑Tuning.
• Erfahrung mit Datenpipelines, Skalierbarkeit sowie Debugging in verteilten Umgebungen.
• Erfahrung in der Zusammenarbeit mit ML‑Teams und dem Operationalisieren von ML‑Modellen.
• Starke Problemanalyse‑ und Kommunikationsfähigkeiten.

Benefits

keine Angabe