Staff AI Research Engineers entwickeln, trainieren und skalieren Modelle des maschinellen Lernens an der Grenze zwischen Forschung und Produkt. Sie verantworten technisch die Richtung ganzer Forschungs- oder Plattformbereiche, ohne in erster Linie Personal zu führen.
3 offene Stellen zu diesem Beruf im aktuellen Bestand.
10.000 Euro brutto im Monat sind der mittlere Verdienst mit Berufserfahrung. Über alle Erfahrungsstufen reicht die Spanne von 7.000 bis 16.000 Euro.
| Erfahrung | Von | Median | Bis | Jahresbrutto | Verhältnis |
|---|---|---|---|---|---|
| Berufseinstieg | 7.000 € | 8.500 € | 11.000 € | 102.000 € | |
| Mit Berufserfahrung | 8.000 € | 10.000 € | 13.000 € | 120.000 € | |
| Mit langjähriger Erfahrung | 9.500 € | 12.000 € | 16.000 € | 144.000 € |
Einen Tarifvertrag gibt es nicht, die Gehälter werden frei verhandelt und hängen vor allem vom Arbeitgeber ab: Internationale Technologiekonzerne zahlen deutlich mehr als deutsche Mittelständler oder Forschungsinstitute, die sich oft am TVöD oder TV-L orientieren. Aktienpakete und Boni, die bei großen Konzernen einen erheblichen Teil der Gesamtvergütung ausmachen können, sind in den Werten nicht enthalten.
Die Werte sind Orientierungswerte und keine amtliche Statistik. Sie sind aus öffentlich verfügbaren Erhebungen, Tarifwerken und Stellenanzeigen abgeleitet und auf volle Euro gerundet. Im Einzelfall entscheiden Betrieb, Tarifbindung, Region, Qualifikation und Verhandlung – die Abweichung nach oben wie nach unten kann erheblich sein.
Das Jahresbrutto ist das 12-fache des Monatswertes. Urlaubs- und Weihnachtsgeld sind nicht enthalten, weil sie sich von Branche zu Branche unterscheiden.
Ein Staff AI Research Engineer übersetzt Forschungsideen in Systeme, die tatsächlich laufen. Der Alltag besteht aus dem Entwerfen von Experimenten, dem Schreiben und Prüfen von Trainingscode, dem Auswerten von Ergebnissen und dem Entscheiden, welche Ansätze weiterverfolgt werden. Typische Arbeitsgegenstände sind große Sprachmodelle, Bild- und Audiomodelle oder Empfehlungssysteme. Dazu gehören Datenaufbereitung, verteiltes Training auf Hunderten von GPUs, Evaluationsmethoden und das Beheben von Fehlern, die erst bei großem Maßstab auftreten. Die Staff-Stufe unterscheidet sich von der Senior-Stufe durch Reichweite: Wer sie innehat, legt technische Architekturen für mehrere Teams fest, schreibt Designdokumente, berät Forschende und Produktverantwortliche und betreut jüngere Kolleginnen und Kollegen fachlich. Ein Teil der Zeit geht in Code, ein wachsender Teil in Abstimmung, Reviews und Priorisierung.
Einen geregelten Ausbildungsweg gibt es nicht. Üblich ist ein Studium der Informatik, Mathematik, Physik oder Elektrotechnik, oft mit Master und häufig mit Promotion im Bereich maschinelles Lernen. Die Promotion ist keine formale Pflicht, verschafft aber in forschungsnahen Teams einen Vorteil. Entscheidend ist nachweisbare Erfahrung: Veröffentlichungen, Beiträge zu bekannten Open-Source-Projekten oder Modelle, die im produktiven Einsatz laufen. Bis zur Staff-Stufe vergehen nach dem Berufseinstieg meist sieben bis zehn Jahre über die Stationen Machine Learning Engineer und Senior Research Engineer. Quereinsteiger aus der klassischen Softwareentwicklung oder aus der akademischen Forschung kommen vor, brauchen aber einige Jahre, um die jeweils fehlende Seite aufzuholen.
Der Beruf verlangt solide Mathematik, sehr gutes Programmieren und die Geduld, Experimente scheitern zu sehen. Viele Trainingsläufe liefern kein brauchbares Ergebnis, und die Ursachen sind oft schwer zu finden. Das Fachgebiet verändert sich schnell, wer nicht laufend Fachliteratur liest, verliert den Anschluss. Arbeitssprache ist fast immer Englisch. Die Arbeitszeiten sind formal flexibel, in der Praxis entsteht vor Modellveröffentlichungen oder Konferenzfristen erheblicher Druck, und in international verteilten Teams fallen Abendtermine an. Auf der Staff-Stufe kommt hinzu, Einfluss ohne Weisungsbefugnis ausüben zu müssen: Entscheidungen müssen überzeugend begründet werden, und Verantwortung für fremde Teams liegt ohne direkten Zugriff auf deren Arbeit. Wer am liebsten allein und ungestört programmiert, empfindet diesen Anteil oft als Belastung.
Die Nachfrage nach erfahrenen Fachleuten für maschinelles Lernen ist hoch, das Angebot an Stellen auf Staff-Niveau in Deutschland aber überschaubar. Sie konzentrieren sich auf Forschungslabore internationaler Technologiekonzerne, einige deutsche KI-Unternehmen, die Automobil- und Industrieforschung sowie gut finanzierte Start-ups, vor allem in Berlin, München und Tübingen. Der Markt reagiert stark auf Investitionswellen, Einstellungsstopps sind möglich. Weiterentwicklung führt zum Principal Engineer oder Distinguished Engineer, in die Leitung eines Forschungsbereichs, in eine Gründung oder in eine Professur. Viele wechseln zeitweise ins Ausland, wo Stellen und Vergütung zahlreicher sind.
Üblich ist ein fünfjähriges Studium bis zum Master in Informatik, Mathematik oder Physik, oft gefolgt von einer drei- bis fünfjährigen Promotion im maschinellen Lernen. Danach führen meist sieben bis zehn Jahre Berufserfahrung als Machine Learning Engineer und Senior Research Engineer zur Staff-Stufe; ein formaler Abschluss für diese Stufe existiert nicht.
Entwickelt statistische Modelle und prüft Hypothesen an Daten – zuständig für Fragen, die sich nicht durch Nachzählen klären lassen.
Machine Learning Engineers entwickeln, trainieren und betreiben Modelle des maschinellen Lernens und bringen sie in produktive Software. Sie verbinden Datenanalyse mit klassischer Softwareentwicklung.
Erfahrungsstufe oberhalb des Senior: verantwortet technische Entwürfe über Teamgrenzen hinweg, führt fachlich und ohne Personalverantwortung.
jobs-jobs-jobs.de verwendet nur die Cookies, die für den Betrieb der Seite nötig sind. Zur Reichweitenmessung nutzen wir Matomo auf unserem eigenen Server – ohne Cookies und mit gekürzter IP-Adresse. Keine Werbenetzwerke. Einzelheiten stehen in der Datenschutzerklärung.