Deep-Learning-Spezialist
Engineer- oder Wissenschaftsprofil mit Fokus auf moderne neuronale Netze für Sprache, Bild, Audio oder multimodale Aufgaben.
Deep-Learning-Spezialisten arbeiten an komplexen neuronalen Netzen jenseits klassischer ML-Verfahren. Sie kennen Architekturen, Trainings-Setups, GPU-Skalierung und übernehmen Verantwortung für anspruchsvolle Modelle.
- Festanstellung Senior
- 110.000–150.000 €
- Freelance
- 1.200–1.700 €/Tag
- Stack
- PyTorch, JAX, Megatron, DeepSpeed
Aufgaben
Design und Training von DL-Modellen, Auswahl geeigneter Architekturen, Distributed Training, Distillation, Quantisierung, Eval. Oft Schnittstelle zwischen Forschung und produktivem Engineering.
Skills
PyTorch, JAX, CUDA-Grundlagen, ggf. Megatron/DeepSpeed, Datenaufbereitung, MLOps-Verständnis, Engineering-Tiefe.
Markt 2026
Festanstellung Senior: 110.000–150.000 €, Lead/Principal bis 190.000 €. Freelance: 1.200–1.700 €/Tag, in spezialisierten Vorhaben darüber.
Recruiting
Time-to-Hire 10–16 Wochen, meist über Direktansprache und Spezialisten-Pools.
Praxis & Empfehlung 2026
Deep-Learning-Spezialisten lohnen sich, wenn Standardmodelle nicht reichen – etwa bei spezifischen Bild-, Audio- oder Zeitreihen-Daten, eigenen Distillations für Latenz, oder bei der Notwendigkeit, Modelle mit knapper, aber sensibler Datenbasis (Medizin, Industrie) gezielt zu adaptieren. Wir empfehlen, die Rolle eng an Engineering und MLOps anzukoppeln, sonst entstehen tolle Modelle, die nie produktiv werden. In der Auswahl achten wir auf die Bereitschaft, „nicht das interessanteste" Modell zu wählen, wenn ein einfacheres Verfahren die Produktion stabilisiert – das ist 2026 die wichtigere Reife als Paper-Output. Diese Haltung trennt im Interview reife Profile von ambitionierten Doktoranden ohne Liefer-Erfahrung.
Häufige Fragen
- Wann brauche ich einen DL-Spezialisten und nicht „nur" einen ML Engineer?
- Bei eigenen Trainings auf großen Datenmengen, anspruchsvollen Vision-/Sprachmodellen oder Distillation eigener Modelle. Für reine LLM-Integration genügt meist ein AI/LLM Engineer.
Passende Leistungen
Verwandte Begriffe
- Applied Scientist – Forschungsnaher Engineer, der neue ML-/LLM-Verfahren auswählt, adaptiert und in produktive Lösungen überführt.
- Foundation Model Researcher – Forschungsprofil mit Fokus auf Pretraining, Architektur und Skalierung großer Basismodelle.
- Machine Learning Engineer – Engineer-Profil, das ML-Modelle in produktive, überwachbare Systeme bringt und langfristig betreibt.