Senior AI Engineer | Construction Tech (w/m/d)

Unser Kunde

Das Unternehmen ist ein B2B‑SaaS‑Scale‑Up im Construction‑Tech‑Umfeld, das mit einer KI‑gestützten Supply‑Chain‑OS die digitale Abwicklung von Bestellungen, Lieferscheinen und Rechnungen für Bauunternehmen ermöglicht. Mit rund 60 Mitarbeitenden und Sitz im Herzen Münchens zählt es zu den Marktführern in Deutschland und arbeitet mit den größten Bauunternehmen zusammen.

Warum diese Rolle spannend ist

• Hohe Vergütung – €80‑100 k p.a
• Direkter Kundeneinfluss – deine Arbeit ist sofort sichtbar im Tagesgeschäft der Kunden
• Leadership‑Chance – klarer Pfad zum Team‑Lead
• Modernes AI‑Tooling – Claude, Copilot, Cursor im Daily‑Workflow
• Hybrid‑Modell – München, mindestens zwei Tage vor Ort, keine Reisetätigkeit

Aufgaben

• Lead MLOps Prozesse: Infrastruktur auf Azure betreiben, skalieren und sichern
• End‑to‑End‑Lifecycle: Von Pipeline‑Design bis Produktions‑Deployment KI‑Features implementieren
• OCR/NLP‑Lösungen entwickeln: Strukturierte Daten aus Bestellungen, Lieferscheinen und Rechnungen extrahieren
• Unsicherheits‑Schätzungen einbauen: Dokumente bei Zweifel automatisch zur manuellen Prüfung weiterleiten
• Qualitäts‑ und Engineering‑Standards etablieren, Tooling voranbringen
• Kunden‑ und Produkt‑Abstimmungen unterstützen, technische Expertise im Sales‑Dialog einbringen
• Kolleg*innen technisch mentorieren und den Weg zum Team‑Lead aktiv mitgestalten

Qualifikation

• Mindestens 5 Jahre Erfahrung in AI/ML Engineering inkl. MLOps Ownership
• Sehr starke Python‑Kenntnisse und Praxis mit Azure (Produktionsumgebungen)
• Expertise in NLP und Bildverarbeitung (OCR) sowie sauber getesteter Code
• Fließend Englisch und Deutsch (C1+) und Bereitschaft, 2 Tage pro Woche im Münchner Office zu sein
• Erfahrung mit Terraform von Vorteil, aber kein Muss
• Proaktive Kommunikation, Hands‑on‑Mentalität und Fokus auf lösungsorientiertes Arbeiten

Was hier nicht funktioniert

• Keine Deutschkenntnisse – Kommunikation mit Kunden und Team ist unmöglich
• Rein akademischer Hintergrund ohne produktive Deployments – wir brauchen Praxis
• Unwilligkeit zum hybriden Arbeiten – mindestens zwei Tage vor Ort sind Pflicht
• Fehlende Python‑ und Azure‑Skills – Kerntechnologien der Plattform

Benefits

• Gehalt: 80.000–100.000 € brutto pro Jahr; kein Bonus
• Urlaub: 26–30 Tage, abhängig von Erfahrung und Betriebszugehörigkeit
• Arbeitsmodell: Hybrid in München; mindestens zwei Bürotage pro Woche
• Wahlleistung: EGYM Wellpass oder Deutschland-Jobticket
• Weitere Leistungen: Corporate Benefits
• Teamkultur: Flache Hierarchien, direkter Austausch mit der Geschäftsführung und viel Eigenverantwortung
• Teamaktivitäten: Team-Events und jährliche Offsites
• Technologie: Arbeit mit Python, Azure, NLP, OCR und Bildverarbeitung sowie KI-Tools wie Claude oder Cursor
• Aufgabe: KI-Funktionen und Infrastruktur für eine Plattform entwickeln, die von über 1.000 Unternehmen genutzt wird
• Entwicklung: Möglichkeit, sich schrittweise in Richtung Team-Lead weiterzuentwickeln

Was diese Rolle besonders macht

• Du gestaltest KI‑Features, die die tägliche Arbeit tausender Bauprofis verändern
• Du hast einen klaren Aufstieg zum Team‑Lead und kannst ein ganzes Engineering‑Team formen
• Du arbeitest mit den neuesten AI‑Tools in einem Unternehmen, das echte Markt‑Traction hat
• Viel Verantwortung, wenig Ausreden. Für manche ein Albtraum. Für die Richtigen: genau das, was sie suchen.

Bereit?

Dann bewirb dich jetzt als Senior AI Engineer – Construction Tech (w/m/d).

Egal ob dein Titel Machine Learning Engineer, MLOps Engineer, AI Software Engineer, Computer Vision Engineer, NLP Engineer oder AI Engineer heißt: Entscheidend ist nicht der Titel. Entscheidend ist, ob du mindestens 5 Jahre KI‑Erfahrung, starke Python‑ und Azure‑Skills sowie den Wunsch nach technischer Führung mitbringst.

Noch Fragen?

08106 – 39 80 370

Find Jobs in Germany on Arbeitnow

We show an excerpt and a link, and the full text when the source allows it. Brands and logos shown belong to their owners.

Posted Nov 01, 2026

Posted Nov 01, 2026

Source: Statistisches Bundesamt (Destatis), table; dl-de/by-2-0; StarIn's calculation