Land
Sektor
Beruf suchen
KI-Trainer
KI-Trainer – Annotation, Modellverbesserung und Qualitätssicherung maschineller Lernsysteme
60 000 – 120 000 CHF ($)
Gehalt / Jahr
Hochschulabschluss
Bildungsniveau
00
Automatisierung
Mittel
Schwierigkeit
Positiv
Beschäftigung
6-12 Monate
Marktanspannung
Mittel bis hoch
Mobilität
Möglich
Automatisierung
Mittel
Schwierigkeit
Positiv
Beschäftigung
6-12 Monate
Marktanspannung
Mittel bis hoch
Mobilität
Möglich
About
Der KI-Trainer arbeitet in Technologieunternehmen und Forschungseinrichtungen an der Verbesserung maschineller Lernmodelle. Er nutzt Annotationsplattformen wie Label Studio, Scale AI oder proprietäre Tools, um Trainingsdaten zu erstellen, zu bewerten und zu korrigieren. In enger Zusammenarbeit mit Data Scientists, ML-Engineers und Produktteams bewertet er Modellausgaben, identifiziert Schwachstellen und liefert strukturiertes Feedback zur Optimierung von Sprachmodellen, Bilderkennungssystemen und weiteren KI-Anwendungen.
Kompetenzen
Technische Kompetenzen
- Erfahrung mit Annotationsplattformen wie Label Studio, Scale AI, Toloka
- Bewertung von Large Language Models (LLMs) für Qualität und Konsistenz
- Grundkenntnisse in Machine Learning und NLP
- Effizientes Datenmanagement und Qualitätssicherung
- Vertrautheit mit Jira, Notion und Confluence
- Grundlagen der Statistik, insbesondere Cohen's Kappa und Interrater-Reliabilität
- Erfahrung im Prompt-Engineering
- Kompetenz in Microsoft Excel / Google Sheets für KPI-Tracking
Soft Skills
- Ausgeprägtes analytisches Denkvermögen
- Präzision und Sorgfalt in der Arbeit
- Strukturierte Kommunikation schriftlicher Feedbacks
- Eigenverantwortliches Arbeiten in Projekten
- Kritisches Urteilsvermögen bei der Bewertung
Aufgaben
- Annotiert Trainingsdatensätze mit Label Studio oder Scale AI nach präzisen Richtlinien und erreicht dabei eine Genauigkeit von ≥95 %
- Bewertet die Modellausgaben anhand festgelegter Qualitätskriterien und dokumentiert Abweichungen in standardisierten Feedbackformularen
- Erstellt wöchentlich strukturierte Fehlerberichte zu Modellverhalten und übermittelt diese an das ML-Team
- Entwickelt und aktualisiert Annotationsrichtlinien für neue Datenkategorien in enger Zusammenarbeit mit Data Scientists
- Kalibriert Bewertungsmaßstäbe in Inter-Annotator-Agreement-Sitzungen zur Erreichung eines Cohen's Kappa von ≥0,80
- Analysiert Modellausgaben auf Bias, Halluzinationen und logische Inkonsistenzen mithilfe von Trackingtabellen in Jira oder Notion
- Trainiert neue Teammitglieder in Annotationsverfahren mit standardisierten Onboarding-Materialien
- Pflegt Qualitätsmetriken in Dashboards und präsentiert wöchentliche KPI-Berichte an Projektverantwortliche
- Erarbeitet Testszenarien für Red-Teaming-Übungen zur Identifizierung von Modellschwächen
Arbeitsumgebungen
Die Arbeitsumgebungen können variieren:
KI-Startups und Scale-ups mit innovativem Umfeld
Große Technologiekonzerne (Big Tech) mit globaler Reichweite
Forschungslabore und Universitäten für wissenschaftliche Projekte
Outsourcing-Dienstleister für effiziente Datenannotation
Remote-first-Arbeitsumgebungen mit flexiblen Arbeitszeiten
Crowdsourcing-Plattformen für vielfältige Annotationsaufgaben
Karrierewege
- Aufstieg zum Data Annotator Lead oder Annotation Manager
- Karriere als Quality Assurance Manager für KI-Produkte
- Weiterentwicklung zum Prompt Engineer
- Position als Junior Data Scientist
- Rolle als ML Operations Specialist
- Spezialisierung als AI Policy & Ethics Analyst
Gesuchtes Profil
Hohe Detailgenauigkeit bei der Arbeit
Strukturiertes schriftliches Ausdrucksvermögen
Bereitschaft zur wiederholten Aufgabenbearbeitung
Kritischer Umgang mit Modellergebnissen
Teamfähigkeit in verteilten Remote Teams
Wie werde ich KI-Trainer?
