Kubernetes-MLOps-Experten finden: Plattformen für viele Modelle
Kubernetes-MLOps-Experten bauen Plattformen, auf denen viele Modelle zuverlässig trainiert, ausgeliefert und überwacht werden. Typische Bausteine sind ein Modellregister wie MLflow, Workflow-Werkzeuge wie Argo und verteiltes Training mit Ray. In einem Referenzmandat bei einem DAX-Versicherer sank die Zeit bis zur Produktion eines Modells von 8 Wochen auf 6 Tage.
Wann sich Kubernetes für MLOps lohnt
| Lage | Empfehlung |
|---|---|
| Ein oder zwei Modelle, kleines Team | oft ein verwalteter Dienst des Cloud-Anbieters, ohne eigenes Kubernetes |
| Mehrere Data-Science-Teams, viele Modelle | Plattform auf Kubernetes mit gemeinsamen Standards |
| Strenge Vorgaben zu Datenhaltung und Betrieb | Kubernetes im eigenen Rechenzentrum oder in einer privaten Cloud |
Der Top-20-Report KI-Rollen Mittelstand 2026 empfiehlt MLOps im Mittelstand für den Aufbau zunächst als Freelance, später fest. Eine Kubernetes-Plattform lohnt sich erst, wenn es genug Modelle gibt.
Referenzmandat: MLOps-Plattform bei einem DAX-Versicherer
| Kennzahl | Wert |
|---|---|
| Auftraggeber | DAX-Versicherer, mehr als 50.000 Mitarbeitende |
| Ausgangslage | Plattform-Team für sechs Data-Science-Teams. Modelle lagen monatelang als Notebooks, Auslieferung dauerte 6 bis 10 Wochen, Rollback war manuell, ein einheitliches Monitoring fehlte |
| Lösung | MLflow als zentrales Modellregister, Ray für verteiltes Training auf Kubernetes (EKS), Auslieferung per GitOps mit Argo, schrittweise Releases, Drift-Monitoring mit Alarmierung |
| Ergebnis | Zeit bis zur Produktion von 8 Wochen auf 6 Tage, Drift wird binnen 2 Stunden erkannt statt nach Wochen, 23 Modelle in Produktion am Stichtag |
| Rolle und Dauer | MLOps Engineer als Freelancer, 12 Monate, 800 bis 1.200 Euro pro Tag, vollständig remote mit einem Tag pro Monat in Köln |
Quelle: Referenzprojekt MLOps Versicherung, anonymisiert. Verlangt waren mindestens fünf Jahre MLOps in Produktion und praktische Erfahrung mit Kubernetes, MLflow und Argo.
Auch im RAG-Mandat bei einem DAX-Automobilhersteller lief die Anwendung auf Kubernetes: KI-Fachkräfte für Automotive.
Woran Sie echte Kubernetes-MLOps-Erfahrung erkennen
| Kriterium | Prüffrage |
|---|---|
| Plattform für mehrere Teams | Wie viele Teams und Modelle nutzen Ihre Plattform, und wie kommen neue Modelle hinein? |
| Auslieferung | Wie läuft bei Ihnen ein Release, und wie rollen Sie zurück? |
| Training | Wann setzen Sie verteiltes Training ein, und was kostet es? |
| Monitoring | Woran erkennen Sie Drift, und wer wird alarmiert? |
| Infrastruktur als Code | Wie stellen Sie sicher, dass Umgebungen gleich aufgebaut sind? |
| Abgrenzung zu DevOps | Was ist bei Modellen im Betrieb anders als bei normaler Software? |
Mehr Fragen mit Bewertungshinweisen: Interviewfragen MLOps Engineer. Die Abgrenzung zu DevOps: MLOps Engineer vs. DevOps Engineer.
Gehalt und Tagessatz
| Kennzahl | Wert | Quelle |
|---|---|---|
| MLOps Engineer, Senior, Deutschland | 116.000 bis 140.000 Euro | Gehaltsreport AI & Data Rollen 2026 |
| MLOps Engineer, Senior, Mittelstand | 105.000 bis 140.000 Euro | Top-20-Report KI-Rollen Mittelstand 2026 |
| Tagessatz erfahren, Mittelstand | 950 bis 1.350 Euro | wie oben |
| Suchdauer ab Profilfreigabe | 14 bis 24 Wochen | wie oben |
Einen eigenen Aufschlag für Kubernetes weist unser Gehaltsreport nicht aus. Details: MLOps Engineer Gehalt.
Fest oder auf Zeit?
Kubernetes-MLOps-Profile werden laut Top-20-Report meist in zwei Schritten besetzt:
| Rolle | Empfehlung laut Top-20-Report | Suchdauer fest, Mittelstand |
|---|---|---|
| MLOps Engineer | Freelance zum Aufbau, später fest | 14 bis 24 Wochen |
| Cloud Data Engineer | fest, Freelancer für Migrationen | 10 bis 20 Wochen |
Quelle: Spitzenbesetzung, Top-20-Report KI-Rollen Mittelstand 2026.
Woran Sie echte Kubernetes-MLOps-Erfahrung im Lebenslauf erkennen
Werkzeugnamen stehen schnell im Lebenslauf. Diese Signale trennen Betriebserfahrung von Kursen und Demos:
| Starkes Signal | Warnsignal |
|---|---|
| Betrieb einer Plattform für mehrere Teams mit Zahlen zu Modellen und Releases | Kubernetes nur für einzelne Container genutzt |
| Getesteter Rollback und GitOps-Auslieferung | Releases per Hand ohne Rückweg |
| GPU-Scheduling und Kostensteuerung | Keine Erfahrung mit Ressourcenplanung |
| Bereitschaftsdienst oder Verantwortung im Betrieb | Nur Aufbau, nie Betrieb |
Was die Besetzung kostet
Für eine Festanstellung rechnet Spitzenbesetzung erfolgsbasiert ab, mit sechs Monaten Nachbesetzungsgarantie. Zur Orientierung: Beim durchschnittlichen Honorarsatz von 27,5 Prozent (BDU, Facts & Figures zum Personalberatungsmarkt 2025) ergibt das Mittelstandsband eines MLOps Engineers von 85.000 bis 125.000 Euro ein Honorar von 23.375 bis 34.375 Euro.
Auf Zeit zahlen Sie nur den Tagessatz, unser Honorar ist darin enthalten. Ein Rechenbeispiel mit 60 Einsatztagen bei 950 bis 1.350 Euro pro Tag ergibt 57.000 bis 81.000 Euro. Details: Kosten der Personalvermittlung und Tagessätze KI-Freelancer.
Typische Fehler bei der Suche nach Kubernetes-MLOps-Profilen
Zu früh auf Kubernetes. Bei ein oder zwei Modellen reicht oft ein verwalteter Dienst. Eine eigene Plattform lohnt erst bei mehreren Teams.
Aufbau ohne Betrieb. Wer nur Plattformen aufgebaut, aber nie betrieben hat, unterschätzt Bereitschaft, Updates und Kosten.
Kein Mandat für Standards. Eine Plattform wirkt nur, wenn die Teams sie nutzen müssen.
So besetzen wir die Rolle
Für eine Festanstellung sprechen wir Kubernetes-MLOps-Profile direkt an, prüfen Betriebserfahrung im Fachgespräch und stellen nur Kandidaten vor, die diese Prüfung bestanden haben. Das läuft über die Personalvermittlung. Für Projekte mit klarem Ende vermitteln wir Freelancer über Contracting, unser Honorar ist dann im Tagessatz enthalten.
Die ersten 90 Tage
Für den Aufbau einer Kubernetes-MLOps-Plattform ist dieser Einstieg realistisch:
| Zeitraum | Schwerpunkt | Woran Sie Fortschritt erkennen |
|---|---|---|
| Tag 1 bis 30 | Modelle, Teams und bestehende Cluster aufnehmen | Eine Übersicht mit Anforderungen der Teams und den größten Engpässen. |
| Tag 31 bis 60 | Modellregister und Auslieferung per GitOps für ein erstes Team | Ein Team liefert Modelle über die Plattform aus, mit getestetem Rollback. |
| Tag 61 bis 90 | Monitoring, Kostensteuerung und Ausweitung auf weitere Teams | Drift-Alarme sind aktiv, GPU-Kosten werden je Team ausgewiesen. |
Viele Modelle, keine Plattform?
Wir finden MLOps Engineers mit Kubernetes-Plattformen in Produktion, für den Aufbau auf Zeit oder fest.
Kubernetes-MLOps-Experten anfragen
Quellen
- Spitzenbesetzung, Referenzprojekt MLOps Versicherung
- Spitzenbesetzung, Gehaltsreport AI & Data Rollen 2026
- Spitzenbesetzung, Top-20-Report KI-Rollen Mittelstand 2026
Häufige Fragen
Was macht ein Kubernetes-MLOps-Experte?
Er baut eine Plattform auf Kubernetes, auf der Modelle trainiert, versioniert, ausgeliefert und überwacht werden, oft mit MLflow, Argo und Ray.
Brauche ich Kubernetes für MLOps?
Nicht bei ein oder zwei Modellen. Kubernetes lohnt sich, wenn mehrere Teams viele Modelle betreiben oder strenge Vorgaben zur Datenhaltung gelten.
Was bringt eine MLOps-Plattform?
Im Referenzmandat bei einem DAX-Versicherer sank die Zeit bis zur Produktion von 8 Wochen auf 6 Tage, Drift wurde binnen 2 Stunden erkannt.
Was kostet ein Kubernetes-MLOps-Freelancer?
Im Referenzmandat 800 bis 1.200 Euro pro Tag. Für MLOps Engineers nennt der Top-20-Report KI-Rollen 2026 im Mittelstand 950 bis 1.350 Euro.
Kubeflow oder MLflow?
Beide werden eingesetzt. Im Referenzmandat lief MLflow als Modellregister, kombiniert mit Argo und Ray auf Kubernetes. Wichtiger als das Werkzeug ist, dass Auslieferung, Rollback und Monitoring funktionieren.
Was kostet die Vermittlung eines MLOps Engineers mit Kubernetes-Erfahrung?
Für eine Festanstellung ein erfolgsbasiertes Honorar. Zur Orientierung ergeben sich beim BDU-Durchschnitt von 27,5 Prozent und einem Gehalt von 85.000 bis 125.000 Euro 23.375 bis 34.375 Euro. Bei Freelancern ist unser Honorar im Tagessatz enthalten.
Ab wie vielen Modellen lohnt eine eigene Plattform?
Eine feste Zahl gibt es nicht. Die MLOps-Rolle lohnt sich etwa ab drei Modellen im Betrieb, eine Kubernetes-Plattform meist erst, wenn mehrere Teams Modelle ausliefern.
Fest oder Freelancer für eine MLOps-Plattform?
Der Top-20-Report empfiehlt für MLOps Engineers Freelance zum Aufbau und später eine feste Stelle für den dauerhaften Betrieb und die Weiterentwicklung.
Welche Werkzeuge gehören zu einer MLOps-Plattform auf Kubernetes?
Typisch sind ein Modellregister wie MLflow, Workflow-Werkzeuge wie Argo, verteiltes Training mit Ray, Infrastruktur als Code und ein Monitoring für Drift und Kosten.
Welcher Weg passt zu Ihrer Situation?
Wählen Sie den Pfad, der zu Ihrem Bedarf passt. Jede Erstberatung ist unverbindlich und führt zu einer ehrlichen Markt-Einschätzung.