Journal · Recruiting

KI-Entwickler einstellen: worauf Sie vor der Einstellung achten sollten

ArmTri Team · 16. Okt. 2026 · 4 Min. Lesezeit

Was KI-Entwickler, die verlässliche Funktionen ausliefern, von jenen trennt, die beeindruckende Demos bauen, und wie Sie das vor der Einstellung erkennen.

Definieren Sie das Problem, bevor Sie KI-Entwickler einstellen

Viele Unternehmen beschliessen, KI-Entwickler einzustellen, bevor sie entschieden haben, was die KI tun soll. Diese Reihenfolge ist teuer. Der Begriff KI umfasst sehr verschiedene Arbeit: einen Chat-Assistenten auf eine Support-Seite bringen, Daten aus Dokumenten extrahieren, Produkte ranken, Nachfrage prognostizieren oder ein Modell mit Ihren eigenen Daten trainieren. Jede dieser Aufgaben braucht einen anderen Typ Mensch.

Schreiben Sie einen Satz, der das Ergebnis für den Nutzer beschreibt, zum Beispiel «Support-Mitarbeitende erhalten einen Antwortvorschlag, der aus unserem Hilfecenter und früheren Tickets erstellt wird». Dieser Satz zeigt Ihnen, ob Sie jemanden brauchen, der auf bestehenden Modellen aufbaut, oder jemanden, der neue Modelle trainiert.

AI Engineer oder Machine-Learning-Engineer?

Ein AI Engineer baut Produkte in der Regel über APIs auf bestehenden Modellen auf. Seine Stärken sind Prompt-Design, Retrieval aus Ihren eigenen Daten, Evaluation, Kostenkontrolle und die Integration in eine echte Anwendung. Die meisten Unternehmen, die heute LLM-Apps bauen, brauchen zuerst dieses Profil.

Ein Machine-Learning-Engineer arbeitet tiefer im Stack: Trainingsdaten aufbereiten, Modelle trainieren und feinabstimmen und im Produktivbetrieb laufen lassen. Dieses Profil brauchen Sie, wenn fertige Modelle die Aufgabe nicht lösen können, wenn Daten auf Ihrer eigenen Infrastruktur bleiben müssen oder wenn Ihr Produkt das Modell selbst ist.

Wer den zweiten einstellt, obwohl er den ersten braucht, landet oft bei überdimensionierten Lösungen. Wer den ersten einstellt, obwohl er den zweiten braucht, bekommt eine Demo, die nie verlässlich wird.

Woran Sie gute LLM-Apps erkennen

Eine Demo einer LLM-Funktion lässt sich an einem Nachmittag bauen. Eine verlässliche Funktion braucht sorgfältige Arbeit, und genau diese Arbeit stellen Sie ein. Achten Sie auf Leute, die ungefragt über Evaluation sprechen: wie sie testen, ob Antworten korrekt sind, wie sie Rückschritte bemerken, wenn sich ein Prompt oder ein Modell ändert, und wie sie die Qualität über die Zeit verfolgen.

Gute KI-Entwickler denken auch an Fehlerfälle. Was passiert, wenn das Modell unsicher ist? Wenn die Quelldaten fehlen? Wenn ein Nutzer etwas fragt, das ausserhalb des Umfangs liegt? Bitten Sie sie, Ihnen zu zeigen, wie sie diese Fälle in Ihrem Produkt behandeln würden.

Schliesslich denken sie an Kosten und Geschwindigkeit. Jeder Modellaufruf hat einen Preis und eine Verzögerung. Ein starker Kandidat kann die Abwägung zwischen einem grösseren Modell, einem kleineren und Caching in einfachen Worten erklären.

Fragen, die Entwickler von Demo-Bauern trennen

Fragen Sie nach einem Projekt, das sie in Produktion gebracht haben, nicht nach einem Prototyp. Fragen Sie dann: Woran haben Sie gemerkt, dass es funktioniert? Was ging nach dem Launch kaputt? Was würden Sie heute anders bauen?

Fragen Sie, wie sie mit privaten Daten umgehen. Wohin gehen sie, was wird protokolliert, und wie würden sie verhindern, dass Kundeninformationen dorthin gelangen, wo sie nicht hingehören? In regulierten Branchen schränkt allein diese Frage das Feld ein.

Bitten Sie sie, Retrieval, Embeddings oder Fine-Tuning so zu erklären, als wären Sie ein neues Teammitglied. Klare Erklärungen sind ein starkes Zeichen für echtes Verständnis, und auf diese Klarheit sind Sie in jedem Planungsmeeting angewiesen.

Das restliche Team zählt weiterhin

Eine KI-Funktion ist trotzdem eine Software-Funktion. Sie braucht ein Backend, das Gespräche und Ergebnisse speichert, ein Frontend, das Unsicherheit ehrlich zeigt, und jemanden, der entscheidet, was das Produkt tun soll. Ein brillanter AI Engineer, der allein arbeitet, baut oft auch das umgebende Produkt, und das langsam.

Hier kommt es auf das Matching an. Bei ArmTri stellen wir AI Engineers gemeinsam mit den Backend-, Frontend- und Produktleuten um sie herum zusammen, ausgewählt nach Fähigkeiten, Persönlichkeit und Wissen über Ihre Branche, damit die KI-Arbeit von Anfang an ein Produkt hat, in dem sie leben kann.

Die Kurzfassung

Bevor Sie KI-Entwickler einstellen, schreiben Sie das Ergebnis für den Nutzer auf. Wählen Sie einen AI Engineer für Produkte auf Basis bestehender Modelle und einen Machine-Learning-Engineer, wenn Sie eigene Modelle brauchen. Stellen Sie nach Evaluation, Umgang mit Fehlern und Kostenbewusstsein ein, und fragen Sie nach Produktionserfahrung statt nach Demos. Stellen Sie dann sicher, dass der Rest des Teams bereitsteht, um aus der Funktion ein Produkt zu machen.

Wenn Sie sehen möchten, welche Mischung aus KI- und Produktleuten zu Ihrer Idee passt, beschreiben Sie sie, und wir stellen das Team zusammen.