Google AI Engineer: Lebenslauf-Keywords und Interviewvorbereitung

Du willst dich als Google AI Engineer bewerben, weißt aber nicht, welche Keywords in deinen Lebenslauf gehören und wie die Interviewvorbereitung aussehen soll. Die Stellenbeschreibungen sind voller Begriffe wie LLM, MLOps oder Distributed Systems, und du fragst dich, was davon wirklich zählt. Hier ist der ehrliche Weg: pass dein Dokument an die Ausschreibung an, und trainiere die Fähigkeiten, die im Interview abgefragt werden.

Erst die Stellenanzeige entschlüsseln#

Bevor du irgendetwas an deinem Lebenslauf änderst, lies die Ausschreibung Wort für Wort. Google schreibt selten einfach nur "KI Engineer". Meistens stecken dort konkrete Rollen drin: Research Engineer, Machine Learning Engineer, Software Engineer mit ML-Fokus, oder Applied Scientist. Jede dieser Rollen gewichtet Coding, Modellierung und Systemdesign anders.

Ein praktischer Trick: kopiere den Text der Anzeige in ein Werkzeug, das die Anforderungen herauszieht, zum Beispiel einen kostenlosen Decoder für Stellenanzeigen. Danach hast du eine Liste mit Must-Have-Skills, Nice-to-Haves und den Begriffen, die in deinem Lebenslauf vorkommen sollten. Das ist kein Trick, sondern einfach die Grundlage, damit du nicht ins Blaue hinein formulierst.

Keywords, die in diesen Lebenslauf gehören#

Google filtert Bewerbungen intern nach Rollen und Kompetenzen, und oft läuft der erste Schritt über automatisierte Systeme. Dein Lebenslauf muss deshalb die Sprache der Anzeige sprechen. Nicht Synonyme, nicht Umschreibungen. Wenn dort "TensorFlow" steht, schreib "TensorFlow", nicht "Erfahrung mit Deep-Learning-Frameworks".

Für eine typische AI-Engineer-Rolle tauchen diese Begriffe immer wieder auf:

• Machine Learning, Deep Learning, Neural Networks
• Python, C++, Java, Go
• TensorFlow, PyTorch, JAX
• Large Language Models, Transformers, Fine-Tuning
• MLOps, Model Deployment, Serving, CI/CD für Modelle
• Distributed Systems, Data Pipelines, BigQuery, Spark
• Vertex AI, Cloud TPU, GPU-Training
• Evaluation, Metrics, A/B Testing, Model Monitoring
• NLP, Computer Vision, Multimodal, Reinforcement Learning
• Research, Publications, Open-Source-Beiträge

Nimm nur die Begriffe auf, die auch zu dir passen. Wer "PyTorch" in den Lebenslauf schreibt und im Gespräch nicht erklären kann, warum er einen bestimmten Optimierer gewählt hat, fällt schnell auf. Für eine erste Prüfung, ob dein Dokument die Begriffe überhaupt enthält, hilft ein kostenloser ATS-Check für den Lebenslauf.

Ein konkretes Beispiel für eine Bullet#

Hier ist ein typischer schwacher Satz aus einem Lebenslauf:

"Verantwortlich für Machine-Learning-Projekte und Zusammenarbeit mit dem Team."

Das sagt nichts. Kein Ergebnis, keine Technik, kein Umfang. So wird daraus etwas Brauchbares:

"Trainierte ein Transformer-Modell zur Dokumentklassifikation in PyTorch auf einer V100-Cluster-Umgebung, reduzierte die Fehlerquote gegenüber der Baseline um 18 Prozent und brachte das Modell über einen FastAPI-Service in Produktion, der 200.000 Anfragen pro Tag verarbeitet."

Was macht diesen Satz stark? Die Technik steht drin, der Umfang ist erkennbar, und das Ergebnis ist messbar. Wenn deine Zahlen anders aussehen, nimm deine echten. Übertreib nicht, im Interview wird danach gefragt.

Was Google typischerweise abfragt#

Die Struktur bei Google ist öffentlich dokumentiert und wird von Bewerbern immer wieder ähnlich beschrieben. Üblich sind Coding-Runden, eine Runde zu Systemdesign und ML-Design, und ein Gespräch zu deiner bisherigen Arbeit. Dazu kommt ein Verhaltensinterview, auf Englisch "Googleyness and Leadership" genannt.

Coding heißt: Algorithmen und Datenstrukturen, sauber gelöst und klar erklärt. LeetCode-Medium ist die Untergrenze, Hard-Aufgaben kommen vor. Übe nicht nur das Lösen, sondern auch das Laut-Denken. ML-Design heißt: beschreibe, wie du ein Problem in ein Modell übersetzt, welche Metriken du wählst, wie du Daten aufteilst und wie du mit Bias oder Drift umgehst. Systemdesign heißt: wie skaliert der Service, wo sind die Engpässe, was passiert bei Ausfällen.

Zum Verhaltensinterview: hier geht es nicht um Fachwissen, sondern darum, wie du arbeitest. Konflikte, Rückschläge, Priorisierung unter Zeitdruck. Die typische Form dafür ist STAR: Situation, Task, Action, Result. Wer eine Geschichte ohne klares Ergebnis erzählt, klingt unvorbereitet.

Beispiel für eine STAR-Antwort#

Frage: "Erzähl mir von einer Situation, in der ein Modell in Produktion versagt hat."

Antwort: "Wir hatten ein Klassifikationsmodell für Kundenanfragen live, und die F1-Kennzahl fiel innerhalb von zwei Wochen unter unser Ziel. Meine Aufgabe war, die Ursache zu finden und den Service zu stabilisieren. Ich habe die Eingangsdaten der letzten Wochen verglichen und festgestellt, dass sich die Sprachverteilung verschoben hatte, mehr Anfragen kamen in zwei neuen Sprachen rein. Ich habe einen Datensatz für die neuen Sprachen aufgebaut, das Modell nachtrainiert und ein Monitoring für die Eingangsverteilung eingeführt. Danach lag die Kennzahl wieder im Zielbereich, und das Monitoring hat uns dreimal später früh gewarnt."

Kurz, konkret, mit Ergebnis. Genau so solltest du fünf bis sieben solcher Geschichten vorbereiten, aus verschiedenen Bereichen deiner Arbeit.

Deutsche Besonderheiten, die du kennen solltest#

Der Markt in Deutschland ist anders als in den USA. Erstens: die Bezeichnung "AI Engineer" ist hier nicht geschützt und wird von Firmen sehr unterschiedlich verwendet. In Stellenanzeigen auf dem deutschen Markt findest du oft "Data Scientist", "ML Engineer" oder "KI-Entwickler" für im Grunde dieselbe Arbeit. Schau auf die Aufgaben in der Ausschreibung, nicht auf den Titel.

Zweitens: Google hat Standorte in München und Hamburg, aber viele Rollen im KI-Bereich sitzen in Zürich, Dublin oder den USA. Prüfe die Stellenanzeige auf den Standort, bevor du dich einstellst. Ein Umzug ist ein eigenes Thema, und die Frage nach Visa oder Arbeitserlaubnis klärst du direkt mit dem Recruiting-Team. Ich gebe hier keine Zahlen dazu, weil die von deiner Nationalität, dem Standort und dem Zeitpunkt abhängen. Informiere dich bei der offiziellen Vertretung des Ziellandes, nicht auf Blogs.

Drittens: bei Gehaltsverhandlungen in Deutschland gibt es keine allgemeingültige Zahl. Was als KI Engineer gezahlt wird, hängt von Erfahrung, Standort und Firma stark ab. Frag im Gespräch nach der Gehaltsbandbreite für die konkrete Rolle und vergleiche mit aktuellen, offiziellen Quellen für den jeweiligen Standort.

Deine Checkliste für die nächsten zwei Wochen#

• Lies drei echte Google-Ausschreibungen für KI-Rollen und notiere die wiederkehrenden Begriffe
• Schreib deinen Lebenslauf neu, mit den Begriffen aus der Anzeige, aber nur die, die zu dir passen
• Formuliere jede Erfahrung mit Technik, Umfang und Ergebnis, keine Verantwortungsfloskeln
• Lass dein Dokument gegen einen kostenlosen ATS-Check für den Lebenslauf laufen
• Übe Coding-Aufgaben mit Timer, mit lautem Sprechen des Lösungswegs
• Bereite fünf STAR-Geschichten vor, mit klarem Ergebnis jeder Geschichte
• Übe eine ML-Design-Aufgabe komplett, von Problemstellung bis Monitoring
• Frag im Erstgespräch nach dem genauen Ablauf und den Standorten der Rolle

Wo du passende Stellen findest#

Bevor du dich bewirbst, schau, welche Rollen gerade überhaupt offen sind. Auf den Jobseiten von jobrise findest du aktuelle Ausschreibungen, auch im KI-Bereich. Wenn du dich tiefer einarbeiten willst, gibt es auf dem Blog weitere Beiträge zu Bewerbungsstrategien und Technik-Fragen.

Kostenlose Tools#

• jobrise.io/de/free-ats-checker/
• jobrise.io/de/free-jd-decoder/
• jobrise.io/de/jobs/
• jobrise.io/de/blog/

Häufige Fragen#

Wie lang sollte mein Lebenslauf für eine Google-Bewerbung sein?

Ein bis zwei Seiten sind üblich, bei Berufseinsteigern oft eine. Google achtet auf Inhalt, nicht auf Optik, also nimm ein schlichtes Layout ohne Spalten und Tabellen, damit automatische Systeme alles erfassen.

Brauche ich eine Promotion, um als AI Engineer bei Google genommen zu werden?

Nein, für Engineering-Rollen reicht oft ein Bachelor oder Master mit starker praktischer Erfahrung. Für Research-Rollen an Google DeepMind oder Google Research sieht es anders aus, dort zählen Publikationen deutlich mehr.

Sollte ich meinen Lebenslauf auf Englisch oder Deutsch verfassen?

Für Google immer auf Englisch, unabhängig vom Standort in Deutschland. Die internen Prozesse und die Interviewer arbeiten auf Englisch, und eine deutsche Version hilft dir nicht weiter.

Wie bereite ich mich auf das ML-Design-Interview vor?

Übe, ein offenes Problem Schritt für Schritt zu zerlegen: Ziel, Daten, Modellwahl, Training, Evaluation, Deployment, Monitoring. Sprich laut dabei, und begründe jede Entscheidung, statt nur eine Lösung zu nennen.

Was mache ich, wenn ich keine Erfahrung mit den genannten Tools habe?

Dann nimm sie nicht in den Lebenslauf auf, sondern beschreibe ehrlich, womit du gearbeitet hast. Viele Konzepte sind übertragbar, und im Gespräch kannst du zeigen, wie du dir unbekannte Technik schnell erschließt.