Machine-Learning-Ingenieur/in werden

Was macht man als Machine-Learning-Ingenieur/in?

Als Machine-Learning-Ingenieur/in entwickelst du Modelle und technische Systeme, die aus vorhandenen Daten Zusammenhänge lernen. Dafür bereitest du zunächst Daten auf, untersuchst ihre Qualität und entscheidest, welche Informationen für das gewünschte Ergebnis überhaupt relevant sind. Anschließend wählst du geeignete Machine-Learning-Verfahren aus, trainierst Modelle und überprüfst, wie zuverlässig ihre Ergebnisse sind.

Wenn du an Machine Learning denkst, stellst du dir vielleicht vor allem das Entwickeln und Trainieren ausgefeilter Modelle vor. In der Praxis können Datenaufbereitung, Softwareentwicklung, Tests und technische Infrastruktur mindestens genauso viel Zeit beanspruchen. Ein sehr gutes Modell ist wenig wert, wenn die Daten unzuverlässig sind oder es sich nicht stabil in einer echten Anwendung einsetzen lässt.

Ein wichtiger Teil deiner Arbeit besteht darin, Modelle immer wieder zu verbessern. Du vergleichst unterschiedliche Ansätze, passt Parameter an und analysierst Fehler. Dabei geht es nicht nur darum, im Test möglichst gute Ergebnisse zu erreichen. Das Modell muss auch mit neuen Daten funktionieren und darf beispielsweise nicht nur die Besonderheiten der Trainingsdaten auswendig gelernt haben.

In der beruflichen Praxis endet deine Aufgabe außerdem häufig nicht beim fertigen Modell. Du integrierst Machine-Learning-Funktionen in Software, Apps, Plattformen oder Unternehmenssysteme und sorgst dafür, dass sie dort stabil und effizient laufen. Je nach Position überwachst du Modelle auch nach der Veröffentlichung und prüfst, ob ihre Leistung mit der Zeit nachlässt oder sich die zugrunde liegenden Daten verändern.

Wo arbeiten Machine-Learning-Ingenieur/-innen?

Machine-Learning-Ingenieur/-innen werden überall dort benötigt, wo große Datenmengen ausgewertet oder intelligente Funktionen in digitale Produkte eingebaut werden. Du kannst bei Industrie- und Technologieunternehmen, Start-ups, Banken, Versicherungen, Beratungsunternehmen oder Forschungseinrichtungen arbeiten. Dabei bist du entweder in einem eigenen Machine-Learning-Team oder gemeinsam mit Data Science, Produkt- und Softwareentwicklung tätig.

Branchen, die man nicht sofort mit künstlicher Intelligenz verbindet, setzen ebenfalls zunehmend Machine Learning ein: In der Industrie können Modelle beispielsweise Maschinenausfälle vorhersagen. Im Handel analysieren sie Nachfrage oder Produktempfehlungen. Im Finanzbereich helfen sie bei der Erkennung ungewöhnlicher Transaktionen. In der Mobilität können sie Daten von Fahrzeugen und Verkehrssystemen auswerten.

Bild: deagreez / AdobeStock

Welche ähnlichen Berufe gibt es?

Besonders nah am Beruf des/der Machine-Learning-Ingenieur/in liegt KI-Entwickler/in. KI-Entwickler/-innen arbeiten allerdings meist breiter an künstlicher Intelligenz und können beispielsweise auch bestehende Sprachmodelle, KI-Agenten oder andere KI-Technologien in Anwendungen integrieren. Machine-Learning-Ingenieur/-innen konzentrieren sich stärker auf datenbasierte Modelle und deren technischen Betrieb.

Data Scientists beschäftigen sich ebenfalls intensiv mit Daten und Machine Learning. Ihr Schwerpunkt liegt jedoch häufig stärker auf Analyse, Statistik, Experimenten und der Gewinnung neuer Erkenntnisse aus Daten. Data Engineers bauen dagegen die technische Infrastruktur auf, mit der Daten gesammelt, gespeichert und verarbeitet werden können. Sie schaffen damit häufig erst die Grundlage, auf der Machine-Learning-Systeme arbeiten.

Softwareentwickler/-innen entwickeln Anwendungen und Softwaresysteme. Sie können dabei ebenfalls KI-Funktionen integrieren, müssen sich aber nicht zwangsläufig mit dem Training und der Bewertung von Machine-Learning-Modellen beschäftigen. In der Forschung arbeiten außerdem Machine-Learning-Forscher/-innen beziehungsweise Research Scientists. Sie beschäftigen sich stärker mit der Entwicklung neuer Modelle, Algorithmen und Methoden.