Was macht ein AI Platform Engineer?
AI Platform Engineers sorgen dafür, dass Data Scientists und Entwicklungsteams KI-Modelle zuverlässig nutzen können. Sie richten Rechencluster mit Grafikprozessoren ein, automatisieren Trainingsläufe und bauen Pipelines, die ein Modell vom Experiment bis in den produktiven Betrieb bringen. Dazu gehören Werkzeuge wie Kubernetes, Docker, Terraform und Plattformen wie MLflow oder Kubeflow, oft in Cloud-Umgebungen von AWS, Azure oder Google. Im Alltag schreiben sie Code in Python oder Go, konfigurieren Schnittstellen, über die Anwendungen ein Sprachmodell abfragen, und überwachen Latenz, Kosten und Ausfälle. Ein großer Teil der Arbeit ist unsichtbar: Berechtigungen verwalten, Abhängigkeiten aktualisieren, Logs auswerten, Dokumentation pflegen. Abstimmung mit Datenschutz, IT-Sicherheit und Fachabteilungen nimmt ebenfalls viel Zeit ein.
Wie wird man AI Platform Engineer?
Einen geregelten Ausbildungsweg gibt es nicht. Die meisten haben ein Studium in Informatik, Wirtschaftsinformatik, Mathematik oder einem verwandten Fach abgeschlossen, häufig mit Master. Ebenso verbreitet ist der Wechsel aus benachbarten Rollen: DevOps Engineers, Cloud Engineers oder Backend-Entwickler eignen sich das Wissen über Machine Learning an, Data Scientists verlagern ihren Schwerpunkt auf Infrastruktur. Fachinformatiker für Systemintegration oder Anwendungsentwicklung können mit mehreren Jahren Berufserfahrung und Weiterbildung ebenfalls in die Rolle finden, haben es bei Bewerbungen aber schwerer. Zertifikate der Cloud-Anbieter oder für Kubernetes werden gern gesehen, ersetzen aber keine praktische Erfahrung. Direkt nach dem Studium gelingt der Einstieg selten, meist über eine Junior-Stelle im DevOps- oder Datenumfeld.
Was der Beruf verlangt
Das Fachgebiet ändert sich schnell. Werkzeuge, die heute Standard sind, können in zwei Jahren abgelöst sein, und wer nicht kontinuierlich dazulernt, verliert den Anschluss. Das kostet auch Freizeit. Die Arbeit ist überwiegend Bildschirmarbeit und geistig fordernd; Fehlersuche in verteilten Systemen kann sich über Tage ziehen. In vielen Betrieben gehört Rufbereitschaft dazu, weil produktive KI-Dienste auch nachts oder am Wochenende ausfallen können. Hinzu kommt Druck von mehreren Seiten: Fachabteilungen wollen schnell neue Modelle nutzen, die Finanzabteilung achtet auf die hohen Kosten für Rechenleistung, Sicherheit und Datenschutz setzen Grenzen. Die Rollenbeschreibung ist in vielen Unternehmen unscharf, sodass AI Platform Engineers oft Aufgaben mehrerer Stellen zugleich übernehmen. Gutes Englisch ist nötig, da Dokumentation und Teams häufig international sind.
Aussichten
Die Nachfrage ist derzeit hoch, weil viele Unternehmen KI-Anwendungen vom Pilotprojekt in den Regelbetrieb bringen wollen und dafür stabile Infrastruktur brauchen. Gesucht wird vor allem bei Softwarefirmen, Beratungen, Banken, Versicherungen, der Automobilindustrie und großen Handelskonzernen, überwiegend in Großstädten. Die Berufsbezeichnung ist jung, und es ist offen, ob sie sich als eigenständige Rolle hält oder in Plattform- und MLOps-Teams aufgeht; die zugrunde liegenden Fähigkeiten bleiben aber gefragt. Entwicklungswege führen zum Senior oder Staff Engineer, zur Leitung eines Plattformteams, in die Architektur von KI-Systemen oder in die Beratung. Remote-Arbeit ist in vielen Stellen möglich, wird aber zunehmend eingeschränkt.
