Finde deine nächste berufliche Chance

Suche Stellen nach Beruf, Fähigkeit und Standort. Prüfe die Anforderungen, bevor du deine Bewerbung vorbereitest.

Eine gute Stellensuche endet nicht bei einem interessanten Titel. Vergleiche Aufgaben, Anforderungen und Arbeitsbedingungen mit deiner Erfahrung. Dieser Leitfaden hilft dir, passende Möglichkeiten auszuwählen, relevante Unterlagen vorzubereiten und zu prüfen, wo du deine Bewerbung einreichen kannst.

Die Oberfläche ist auf Deutsch. Die Titel und Beschreibungen der Arbeitgeber bleiben in ihrer ursprünglichen Veröffentlichungssprache, die Englisch sein kann.

Filter zurücksetzen

Ergebnisse: 13.625

← Zurück zu den Ergebnissen

Manager, Supercomputer Site Reliability Engineering - Memphis

SpaceXSI

Standort
Southaven, MS; Memphis, TN
Veröffentlicht
16. Okt. 2026

Prüfe vor der Bewerbung auf der Website des Arbeitgebers, ob die Stelle noch offen ist und welche Bedingungen gelten.

Stellenbeschreibung

Die Oberfläche ist auf Deutsch. Die Titel und Beschreibungen der Arbeitgeber bleiben in ihrer ursprünglichen Veröffentlichungssprache, die Englisch sein kann.

SpaceX was founded under the belief that a future where humanity is out exploring the stars is fundamentally more exciting than one where we are not. Today, SpaceX is actively developing the technologies to make this possible, with the ultimate goal of making life multiplanetary and expanding consciousness to the stars. SpaceXSI is building Super Intelligence to help humanity understand the universe. Our teams are building the full Super Intelligence stack: from our Colossus supercomputers, to Grok models, to our suite of applications, including Grok Bot, Grok Build, Grok Imagine, Grok Voice, and X. We're creating a powerful flywheel where more compute trains better models, better models power more useful products, and what we learn from people using those products shapes what we build next. MANAGER, SUPERCOMPUTER SITE RELIABILITY ENGINEERING SpaceXSI operates multi-campus, hyperscale GPU infrastructure where cluster availability directly determines training throughput, customer handover commitments, and capital efficiency of the fleet. The Manager of Supercomputer Site Reliability Engineering will be responsible for both compute and infrastructure performance, and will be responsible for significantly increasing the SRE team size. On the compute side, focus will be put on continuous site monitoring, cross-discipline incident command, deep hardware root-cause analysis (RCA), and emphasis on software systems that orchestrate repair velocity. Additional focus will be on physical infrastructure reliability as well. Understanding system margins and resiliency will be key. Site Reliability engineering manager owns >99% compute uptime outcome, drives unplanned facilities compute losses to 0, ensures efficient allocation of > 3GW site power, upgrade robust fault-free megapack failover systems capable of supporting all halls for >4 hours (160 MWhr per hall), drives robust hardware inventory systems and repair velocity to eliminate hardware chokepoints. RESPONSIBILITIES: Serve as the senior operational authority for the SRE organization and represent production reliability concerns in engineering and leadership discussions Lead integrated Supercompute systems engineering reliability team responsible for reactive and increasingly proactive cluster and facilities health and reliance initiatives Build out the site reliability engineering sub-teams: compute hardware failure analysis, software tools, cluster monitoring, and integrated site reliability engineering Drive operational superiority Define SRE organizational structure and develop culture of 24/7 operational excellence Physics limit anomaly response times and robust proactive health processes Define on-call responsibilities, incident management protocols, leadership structure, and communication discipline Develop training schemes for tough, competent, and disciplined monitoring and response teams Establish clear operational interfaces with Datacenter Operations, engineering teams, vendors, and other service owners Own vendor oversight and accountability mechanisms Drive mean time to repair toward physics limits Define and continuously improve operational procedures and analysis documentation mechanisms with strong emphasis on intelligent automation Lead robustification of documentation workflow Ensure efficient signal to noise in execution Define operational targets, health indicators, alerting standards, and incident severity definitions that facilitate measurable team performance insights and accountability mechanisms Drive high technical standard for hardware root cause analysis and remediation teams ensuring industry-leading hardware failure diagnostic expertise Integrate with platform engineering teams to develop sophisticated hardware and system understanding to drive high operational reliability Drive repeat hardware issues to a minimum and lead automation efforts to eliminate manual overhead for unavoidable remediation needs BASIC QUALIFICATIONS: Bachelor’s degree and 3+ years of experience working in a large scale operations with 2+ years leading people leaders of technical teams; OR 10+ years of experience working in a large scale operations with 5+ years leading people leaders of technical teams PREFERRED SKILLS AND EXPERIENCE: Proven ability to lead large, multi-site, 24/7 operations organizations in fast-paced, high-responsibility settings Deep expertise in server hardware, cluster reliability, and data center technologies, from deployment through lifecycle management Experience supporting compute-heavy environments like AI, machine learning, or high-performance computing at scale A track record of owning uptime, Service Level Agreements, or reliability metrics for large compute clusters Experience leading site reliability engineering or equivalent reliability-focused teams, including root cause analysis and procedure ownership Strong analytical skills and the ability to explain technical concepts clearly to diverse audiences, from technicians to executive and tenant partners A history of partnering with vendors at scale, driving mean time to repair down, and scaling operations across multiple sites Familiarity with tooling and automation (e.g., Jira, Python, Bash) used to monitor cluster health and improve team efficiency Enthusiasm for SpaceXAI's mission to accelerate human discovery and unravel the universe Ability to thrive in a dynamic, mission-focused environment with on-call ownership of cluster-impacting events ADDITIONAL REQUIREMENTS: Willingness to travel frequently to data center locations to support operations across sites Physical capability to handle data center tasks, including lifting up to 50 lbs unassisted, standing for long periods, and occasional ladder use Must be willing to work extended hours and/or weekends as needed SpaceXSI is an equal opportunity employer. For details on data processing, view our Recruitment Privacy Notice.

Suchen, vergleichen und deine Bewerbung vorbereiten

Beginne mit einem Beruf oder einer Fähigkeit, die du einsetzen möchtest. Nutze die Standort- und Berufsfilter und öffne Stellenanzeigen, um die Aufgaben zu vergleichen. Wenn du keine Ergebnisse findest, probiere einen kürzeren Suchbegriff oder entferne jeweils einen Filter.

Unterscheide notwendige Anforderungen von Wünschen. Prüfe Arbeitszeit, Vergütung und Standort, soweit sie angegeben sind. Auch Remote-Stellen können einen bestimmten Wohnsitz, eine Arbeitserlaubnis oder passende Arbeitszeiten verlangen. Bestätige die Verfügbarkeit und die vollständigen Bedingungen beim Arbeitgeber.

Wähle tatsächliche Beispiele aus deiner Erfahrung, die zu den Anforderungen passen. Erkläre deinen Beitrag und verwende nur belegbare Zahlen. Befolge die Vorgaben des Arbeitgebers und prüfe Kontaktdaten, Inhalt und PDF, bevor du die Bewerbung abschickst.

Vor dem Absenden deiner Bewerbung

Fragen zur Stellensuche

Warum sind manche Stellenanzeigen auf Englisch?

Arbeitgeber verfassen ihre eigenen Titel und Beschreibungen. Wir behalten diese Texte bei, damit Anforderungen und Bedingungen unverändert bleiben. Navigation und Leitfaden sind auf Deutsch. Findest du mit deutschen Begriffen keine Stellen, probiere auch die Bezeichnung oder Fähigkeit in der Sprache der Anzeige, etwa „software engineer“.

Kann ich bei einer Remote-Stelle aus jedem Land arbeiten?

Nicht unbedingt. Arbeitgeber können den Wohnsitz auf bestimmte Länder beschränken, eine Arbeitserlaubnis verlangen oder Arbeitszeiten vorgeben. Prüfe die Originalanzeige. Wenn diese Angaben fehlen, kläre sie mit dem Arbeitgeber, bevor du davon ausgehst, dass du von deinem Standort aus arbeiten kannst.

Was kann ich tun, wenn keine Ergebnisse erscheinen?

Versuche einen allgemeineren Titel oder eine einzelne Fähigkeit und entferne die Filter nacheinander. Unternehmen verwenden unterschiedliche Berufsbezeichnungen. Ist eine bestimmte Anzeige verschwunden, suche ihre Referenz auf der Karriereseite des Unternehmens. Weniger Filter machen eine geschlossene Stelle nicht wieder verfügbar.

Wird meine Bewerbung über ResumizeAI abgeschickt?

Die Bewerbungsschaltfläche öffnet eine externe Seite. Folge den Anweisungen des Arbeitgebers oder des Recruiting-Anbieters und bestätige dort den Versand. Ein in ResumizeAI vorbereiteter Lebenslauf ist noch keine eingereichte Bewerbung. Führt der Link nur zur Unternehmenswebsite, suche zuerst die konkrete Stelle.

Wie passe ich Lebenslauf und Anschreiben an?

Verknüpfe die Anforderungen mit Projekten, Aufgaben und Ergebnissen, die du erklären kannst. Hebe passende Erfahrung hervor, ohne Fähigkeiten oder Leistungen zu erfinden. Erläutere im Anschreiben dein Interesse anhand eines konkreten Beispiels. Beachte die verlangte Sprache und das Dateiformat und prüfe beide Dokumente vor dem Absenden.