askui GmbH
Prior Labs
ML Engineer, Forward Deployed
Kernbereiche der Wirkung
Wer wir sind
Foundation Models haben Text und Bilder revolutioniert. Strukturierte Daten – das größte und folgenreichste Datenformat der Welt – blieben bisher unberührt. Was LLMs für Sprache getan hat, tun wir jetzt für Tabellen.
Wir haben tabellarische Foundation Models entwickelt: TabPFN v2 war auf dem Titelbild von Nature, hat über 3.5 Mio. Downloads und 7,500+ GitHub Sterne erreicht und wird in der Produktion eingesetzt – von der Erkennung von Lungenerkrankungen mit Oxford Cancer Analytics bis zur Verhinderung von Zugausfällen mit Hitachi. Die schwierigsten Probleme – Millionen von Zeilen, Echtzeit-Inferenz, völlig neue Modalitäten – sind noch ungelöst, und niemand sonst arbeitet auf diesem Niveau daran.
Wir sind ein kleines, hochselektives Team von über 40 Personen mit Hintergründen von Google, DeepMind, Meta, Apple, Amazon, Jane Street und CERN, angeführt von Frank Hutter, Noah Hollmann und Sauraj Gambhir, und beraten von Bernhard Schölkopf und dem Turing-Award-Gewinner Yann LeCun.
Im Juli 2026, weniger als 18 Monate nach unserem €9 Mio. Pre-Seed, sind wir SAP als unabhängiges Frontier AI Lab beigetreten – dasselbe Team, dieselbe Mission und dieselben Open-Weights-Modelle, jetzt unterstützt durch über €1 Milliarden über vier Jahre.
Ein Modell, das einen Benchmark anführt, und ein Modell, das die Arbeitsweise einer Organisation verändert, sind zwei verschiedene Dinge. Sie werden unsere tabellarischen Foundation Models in die Umgebungen unserer strategischsten Kunden integrieren – sie in reale Plattformen und Pipelines einbetten, die praktische Data Science durchführen, um den Wert zu beweisen, und die Implementierung bis zur Produktion verantworten.
Dies ist eine Senior-Rolle: Sie werden Engagements mit hoher Autonomie von Anfang bis Ende verantworten, schwierige technische Entscheidungen unter Unsicherheit treffen und als erfahrener Kollege Schulter an Schulter mit den Data-Science-Teams der Kunden arbeiten. Die Muster, die Sie im Feld aufdecken, werden nicht im Feld bleiben – sie fließen direkt zurück zu unseren Forschern und prägen, was wir als Nächstes entwickeln. Sie werden nicht nur Modelle bereitstellen; Sie werden mitgestalten, wie Prior Labs skaliert.
Leben bei Prior Labs
Sie arbeiten Seite an Seite mit Forschern und Entwicklern, die hohe Ansprüche an sich selbst stellen – sowohl an die Qualität ihrer Arbeit als auch an die Zusammenarbeit untereinander. Wir arbeiten schnell und nehmen uns dennoch die Zeit, die Dinge richtig zu machen.
Unsere Teams sind in Berlin, Freiburg und New York ansässig – wenn man an etwas so Schwierigem wie TabPFN arbeitet, ist es wichtig, im selben Raum zu sein. Aber großartige Leute kommen von überall her, und in Ausnahmefällen sind wir offen für Remote-Arbeit, was normalerweise häufige Reisen zu einem unserer Büros bedeutet. Wo auch immer Sie ansässig sind, das gesamte Unternehmen kommt regelmäßig zu Offsites zusammen, um gemeinsam zu entwickeln und zu feiern.
Unsere Verpflichtungen
Die besten Produkte und Teams werden von Menschen mit einer breiten Palette von Perspektiven und Hintergründen aufgebaut. Wir begrüßen Bewerbungen von allen Identitäten und Lebensbereichen – insbesondere, wenn Sie sich jemals entmutigt gefühlt haben, "nicht alle Kriterien zu erfüllen" – und bieten Chancengleichheit unabhängig von Geschlecht, sexueller Orientierung, Herkunft, Behinderung oder jedem anderen Merkmal, das Sie ausmacht.
Was Sie tun werden
- Integrieren: Einbetten unserer Foundation Models in Kundenplattformen, Cloud-Umgebungen und ML-Pipelines.
- Data Science betreiben: Das Problem mit realen, unordentlichen Daten formulieren, Features entwickeln, modellieren und rigoros gegen die aktuelle Baseline des Kunden benchmarken.
- Lieferung verantworten: Use Cases von Anfang bis Ende durchführen – von der ersten Konversation bis zu einer zuverlässigen, dokumentierten Produktionslösung, hinter der Sie stehen.
- Tiefgreifend zusammenarbeiten: Als Kollege mit den Data-Science- und ML-Teams der Kunden zusammenarbeiten, ihr Vertrauen gewinnen und sie mit unseren Modellen schneller machen.
- Anpassen und Optimieren: Modelle für verschiedene Anwendungsfälle anpassen und dabei Leistung, Latenz, Skalierbarkeit und Kosten abwägen.
- Den Kreislauf schließen: Erkenntnisse aus der Bereitstellung in präzises, priorisiertes Feedback umwandeln, das die Modell- und Produkt-Roadmap prägt.
- Den Standard setzen: Die Deployment-Muster etablieren, auf denen das Team bei der Skalierung aufbaut.
Was wir suchen
- 3+ Jahre Erfahrung im Aufbau und der Bereitstellung von ML-Systemen in der Produktion, mit einer Erfolgsbilanz bei der Bewältigung schwieriger Probleme von Anfang bis Ende.
- Starke Engineering-Grundlagen und Expertenkenntnisse in Python.
- Tiefgreifende, praktische ML-Fähigkeiten – Sie bauen Modelle, die Sie verstehen und verteidigen können, nicht nur eine API aufrufen. Stark in PyTorch und scikit-learn, mit einem soliden Verständnis von Transformer/Foundation-Model-Ansätzen.
- Tiefe Kenntnisse in ML für tabellarische Daten, Zeitreihen oder strukturierte Daten.
- Nachgewiesene Cloud-Bereitstellung (AWS, GCP oder Azure) in der Produktion, die unter realen Bedingungen zuverlässig bleibt.
- Ausgeprägtes Kundenverständnis – Sie diagnostizieren das eigentliche Problem, navigieren zwischen technischen und geschäftlichen Stakeholdern und treiben Ergebnisse voran.
- Hohe Autonomie und Urteilsvermögen bei Unsicherheit sowie eine Präferenz für sauberen, wartbaren, gut dokumentierten Code.
Was Sie auszeichnet
- Frühere Erfahrung als Forward Deployed Engineer, Solutions Engineer oder in einer leitenden technischen kundenorientierten Rolle.
- Beiträge zu relevanten Open-Source-Projekten im Bereich ML oder Data Engineering.
- Erfahrung mit der Integration in Unternehmensdaten-Ökosysteme und dem Design von APIs und Deployment-Pipelines.
Wir kümmern uns um die Handhabung Ihrer Daten – siehe unsere Seite zur Datenschutzerklärung für Bewerber
