Daten & AI · Rolle
ML / AI Engineer Jobs in der Schweiz
ML- und AI-Engineers bringen Machine-Learning-Modelle von der Idee in den produktiven Betrieb. Sie verbinden Data Science mit Software-Engineering und sorgen dafür, dass Modelle in der Schweiz zuverlässig, skalierbar und compliant laufen.
Was macht ein ML / AI Engineer?
Der Arbeitsalltag dreht sich um den gesamten Lebenszyklus eines Modells. Dazu gehören das Aufbereiten von Trainingsdaten, das Entwickeln von Feature-Pipelines, das Trainieren und Evaluieren von Modellen sowie das anschliessende Deployment als API oder Batch-Service. Frameworks wie PyTorch, TensorFlow und scikit-learn gehören ebenso zum Werkzeugkasten wie Python und SQL.
Ein wachsender Teil der Rolle ist MLOps. ML-Engineers automatisieren Training und Deployment über CI/CD, überwachen Modelle im Betrieb auf Drift und Qualität und betreiben die nötige Cloud-Infrastruktur auf GCP, AWS oder Azure. Damit grenzt sich die Rolle klar vom reinen Data Scientist ab, der stärker auf Analyse und Modellierung fokussiert.
In der Schweiz treibt vor allem die Integration generativer AI die Nachfrage. Banken, Pharma- und Industrieunternehmen sowie Tech-Firmen suchen Engineers, die Large Language Models, Retrieval-Systeme und klassische Prognosemodelle sicher in bestehende Produkte und Prozesse einbinden.
Gefragte Skills · aus 16 Inseraten
Gehalt
Aktuelle ML / AI Engineer Jobs
16 Stellen
Verwandte Rollen & Skills
Häufige Fragen
ML- und AI-Engineering gehört zu den bestbezahlten IT-Feldern. Mid-Level-Gehälter liegen häufig zwischen CHF 110’000 und 135’000, Senior- und Spezialistenrollen erreichen 150’000 und mehr.
Data Scientists fokussieren auf Analyse, Statistik und Modellierung. ML-Engineers verantworten das produktive Deployment, die Skalierung, das Monitoring und den Betrieb der Modelle. In kleineren Teams fliessen beide Rollen ineinander.
Solide Python-Kenntnisse, ein gutes Verständnis von SQL und Datenpipelines, Erfahrung mit einem ML-Framework wie PyTorch oder TensorFlow sowie MLOps-Tooling und eine Cloud-Plattform wie GCP, AWS oder Azure.
Für forschungsnahe Rollen sind höhere Abschlüsse von Vorteil. Viele produktorientierte Stellen setzen aber vor allem praktische Erfahrung mit dem Bauen und Betreiben von ML-Systemen voraus.
Die meisten Stellen konzentrieren sich auf den Raum Zürich, gefolgt von Lausanne, Genf und Zug, oft im Umfeld von Banken, Pharma, Forschung und Tech-Unternehmen.