Abrar Admin

WeSort.AI GmbH

<div>
 
 Das ist deine neue Leidenschaft
 
 
 
 <ul>
 <li>
 Du entwickelst und trainierst unsere dom&auml;nenspezifischen Vision-Modelle auf Basis aktueller State-of-the-Art-Architekturen und nutzt unsere Abfallbild-Datenbasis f&uuml;r Pretraining und Continued Pretraining
 </li>
 <li>
 Du gestaltest unsere komplette ML-Trainings-Pipeline: von der Datenaufbereitung &uuml;ber verteiltes Training (PyTorch FSDP/DDP, Mixed Precision) bis zur Modell-Versionierung
 </li>
 <li>
 Du baust und pflegst unsere Eval Suite &ndash; die zentrale Infrastruktur, die misst, ob unsere Modelle wirklich besser werden: Linear Probing, k-NN-Probing, Few-Shot-Detection, Cross-Domain-Generalization, Anomalie-Detection
 </li>
 <li>
 Du finetunst und destillierst unsere Modelle f&uuml;r konkrete Downstream-Tasks und Edge-Hardware (Sortieranlagen, GPU-Inferenz)
 </li>
 <li>
 Du analysierst Trainings-Runs systematisch, identifizierst Probleme wie Feature Collapse oder Domain Shift und entwickelst nachhaltige L&ouml;sungen statt kurzfristiger Workarounds
 </li>
 <li>
 Du arbeitest eng mit dem Cloud-Backend-Team zusammen, um Modelle effizient ins Deployment zu bringen (ONNX, TensorRT, OpenVINO)
 </li>
 <li>
 Du verfolgst aktiv die Forschungsentwicklung im Bereich Computer Vision und &uuml;bersetzt relevante Paper in produktive L&ouml;sungen
 </li>
 <li>
 Du denkst &uuml;ber das Modell hinaus und hast im Blick, wie deine Arbeit im realen Betrieb wirkt &ndash; f&uuml;r Sortieranlagen, Kunden und das Gesamtsystem
 
 
 </li>
 </ul>
 
 Damit begeisterst du uns
 
 
 
 <ul>
 <li>
 Du bringst mehrj&auml;hrige Erfahrung in der Entwicklung und im Training von Computer-Vision-Modellen mit, idealerweise mit modernen Vision-Transformer-Architekturen und Self-Supervised-Learning-Methoden
 </li>
 <li>
 Du beherrschst PyTorch sicher &ndash; inklusive verteiltem Training (DDP, FSDP), gemischter Pr&auml;zision (bf16/fp16) und Performance-Optimierung (torch.compile, Profiling)
 </li>
 <li>
 Du verstehst nicht nur, wie man ein Modell trainiert, sondern auch wie man evaluiert. Du wei&szlig;t, dass eine schwache Eval Suite jedes Pretraining wertlos macht
 </li>
 <li>
 Du hast Erfahrung mit modernen ML-Tooling-Stacks f&uuml;r Konfigurations-Management, Experiment-Tracking, Daten-Versionierung und Backbone-Bibliotheken
 </li>
 <li>
 Du nutzt moderne KI-Tools (z.B. Claude, Copilot), um Routine-Coding zu beschleunigen und dich auf die wirklich harten Forschungs- und Architekturfragen zu konzentrieren
 </li>
 <li>
 Du hast ein gutes Verst&auml;ndnis f&uuml;r Datenpipelines bei gro&szlig;en Datenmengen (Millionen Bilder): effiziente Datenformate, GPU-Augmentations, I/O-Bottlenecks
 </li>
 <li>
 Erfahrung mit g&auml;ngigen Detection-/Segmentation- sowie Anomalie-Detection-Frameworks ist von Vorteil
 </li>
 <li>
 Du kennst dich mit Inferenz-Optimierung und Modell-Distillation aus und hast idealerweise schon Modelle auf Edge-Hardware deployed
 </li>
 <li>
 Ausgepr&auml;gte Probleml&ouml;sef&auml;higkeit, analytisches Denken und wissenschaftliche Sorgfalt &ndash; du arbeitest hypothesengetrieben und nicht nach dem Try-and-Error-Prinzip
 </li>
 <li>
 Sicherer Umgang mit Cloud-GPU-Infrastruktur (AWS, Azure, GCP oder On-Premise H100/A100-Cluster)
 </li>
 <li>
 Flie&szlig;ende Deutsch- sowie gute Englischkenntnisse werden vorausgesetzt
 </li>
 <li>
 Idealerweise hast du eigene Forschungserfahrung (Paper, Open-Source-Beitr&auml;ge, Konferenz-Talks) oder bist promoviert &ndash; kein Muss, aber ein Plus
 
 
 </li>
 </ul>
 
 Darauf kannst du dich freuen
 
 
 
 <ul>
 <li>
 Arbeit auf der &bdquo;gr&uuml;nen Wiese" &ndash; Aufbau einer eigenen Foundation-Model-Strategie ohne Altlasten oder technische Schulden
 </li>
 <li>
 Zugang zu einer einzigartigen, wachsenden Datenbasis aus realen Sortieranlagen &ndash; ein strategischer Vorteil, den keine Universit&auml;t und kaum ein Wettbewerber hat
 </li>
 <li>
 Einsatz aktueller Frameworks und eines top-modernen Tech-Stacks (PyTorch 2.x, FSDP, Hydra, W&amp;B, DVC, timm)
 </li>
 <li>
 Substanzielle Compute-Ressourcen f&uuml;r Pretraining-Runs &ndash; wir wissen, dass ernsthaftes Foundation-Model-Training kein Hobby-Projekt ist
 </li>
 <li>
 Enge Zusammenarbeit mit Forschungspartnern (u.a. THWS W&uuml;rzburg im Rahmen von Green-INNO) und die M&ouml;glichkeit, eigene Forschungsergebnisse zu publizieren
 </li>
 <li>
 Arbeiten in einem dynamischen und interdisziplin&auml;ren Start-Up-Team mit viel Verantwortung und Gestaltungsspielraum von Anfang an
 </li>
 <li>
 Kurze Entscheidungswege und eine Kommunikation ohne Umwege
 </li>
 <li>
 Technologie mit Sinn: Du arbeitest an den gr&ouml;&szlig;ten Hebeln unserer Zeit &ndash; KI, Recycling und Circular Economy
 
 
 </li>
 </ul>
 
 &Uuml;ber uns
 
 
 
 &Uuml;ber WeSort.AI &ndash; Changing the game!
 
 
 WeSort ist ein innovatives Hightech-Start-up aus W&uuml;rzburg, das KI-basierte Recyclingl&ouml;sungen zur pr&auml;zisen Analyse und Sortierung von Abfallstoffen mithilfe k&uuml;nstlicher Intelligenz und modernster Deep-Sensor-Technologie entwickelt.Mit unserer KI-gest&uuml;tzten Sortiertechnologie erm&ouml;glichen wir die effiziente Trennung von Materialien wie Batterien und Elektronikschrott, wodurch wertvolle kritische Rohstoffe zur&uuml;ckgewonnen werden k&ouml;nnen.
 
 
 Unsere Systeme sind bereits im industriellen Einsatz, unter anderem bei Schwarz/Lidl bzw. deren Umweltdienstleister PreZero. Unsere Technologie wurde mehrfach ausgezeichnet, unter anderem mit dem Deutschen Gr&uuml;nderpreis (verliehen von Porsche und ZDF), und WeSort ist Teil des SprinD-Programms (Agentur f&uuml;r Sprunginnovationen). Dar&uuml;ber hinaus waren wir bereits in Formaten wie Galileo, ZDF WISO, der WirtschaftsWoche und der S&uuml;ddeutschen Zeitung vertreten.
 
 
 Jetzt suchen wir Pers&ouml;nlichkeiten, die Lust hat, WeSort aktiv weiter mit aufzubauen, Verantwortung zu &uuml;bernehmen und gemeinsam mit einem ambitionierten Team eine Branche nachhaltig zu ver&auml;ndern. Bei WeSort arbeitest du hands-on, nah am Produkt und mit direktem Einfluss auf Wachstum und Erfolg.
</div>

Machine Learning Engineer (m/w/d) - Foundation Models

Join WeSort.AI GmbH and explore 1   exciting career opportunities. They're hiring for various roles with options for remote or on-site work. Apply today and become part of their innovative team.

WeSort.AI GmbH

About Company

Machine Learning Engineer (m/w/d) - Foundation Models