HCLTech Machine Learning Engineer: Lebenslauf-Keywords und Interviewvorbereitung

Deine Bewerbung als Machine Learning Engineer bei HCLTech wird vermutlich an einem Bewerbermanagement-System vorbeilaufen, und du weißt nicht, welche Keywords wirklich zählen. Das ist der Punkt, an dem viele gute Leute scheitern: nicht an fehlender Erfahrung, sondern daran, dass der Lebenslauf die Stellenanzeige in ihrer Sprache nicht widerspiegelt.

HCLTech ist ein großer IT-Dienstleister mit starkem Indien-Bezug und vielen Nearshore- und Offshore-Teams. Wer sich in Deutschland bewirbt, sollte das im Kopf haben: Rollen sind oft Kundenprojekten zugeordnet, die Teamzusammensetzung kann verteilt sein, und die Stellenanzeige beschreibt häufig einen Mix aus Technik und Kundenkommunikation.

Zuerst die Stellenanzeige sauber zerlegen#

Bevor du einen einzigen Satz an deinem Lebenslauf änderst, nimm die Anzeige auseinander. Liste jede Technologie, jede Methode und jeden Begriff auf, der dort steht. Genau diese Wörter willst du in deinem Dokument sehen, sofern sie zu deiner Erfahrung passen.

Ein Werkzeug wie der kostenlose JD Decoder hilft dir, aus der oft geschwollenen Stellenanzeige die tatsächlichen Anforderungen herauszuziehen. Das spart Zeit und zeigt dir, welche Begriffe du wirklich abdecken musst.

Typische Keywords für ML-Engineer-Rollen bei IT-Dienstleistern#

Bei großen Dienstleistern tauchen in ML-Stellenanzeigen bestimmte Begriffe immer wieder auf. Erwarte Kombinationen wie diese, ohne dass ich dir eine exakte Liste für HCLTech versprechen kann, die ändert sich mit jeder Ausschreibung.

• Python, PyTorch oder TensorFlow, Scikit-learn
• MLOps, CI/CD, Docker, Kubernetes
• AWS, Azure oder GCP, je nach Kundenprojekt
• Feature Engineering, Modelltraining, Model Serving
• Datenpipelines, Airflow, Spark, SQL
• LLM, RAG, Fine-Tuning, Prompt Engineering, wenn es um GenAI geht
• Stakeholder-Kommunikation, Kundenworkshops, Englisch

Nimm diese Begriffe als Ausgangspunkt. Die konkrete Anzeige hat immer Vorrang.

So schreibst du deinen Lebenslauf um#

Der häufigste Fehler: Leute listen Tools auf, ohne zu sagen, was sie damit gemacht haben. Ein Dienstleister will sehen, dass du in Projekten lieferst und mit Kunden klarkommst. Zeig beides.

Vorher sieht ein typischer Punkt oft so aus:

"Verantwortlich für Machine-Learning-Modelle und Datenpipelines."

Das sagt fast nichts. Weder Umfang noch Ergebnis noch Technik. Hier ist eine überarbeitete Version:

"Trainierte und deployte vier Klassifikationsmodelle für einen Kunden im Logistikbereich, senkte die manuelle Sortierung von Sendungen um rund 60 Prozent, Technik: Python, XGBoost, Airflow, AWS SageMaker."

Der Unterschied ist nicht die Länge, sondern die Struktur: Handlung, Kontext, Ergebnis, Technik. Wenn du kein exaktes Ergebnis nennen kannst, nutze eine ehrliche Größenordnung oder beschreibe den Effekt qualitativ. Keine erfundenen Zahlen, die fliegen dir im Interview um die Ohren.

Für jede Stelle passt du drei bis fünf dieser Punkte an. Der Rest darf bleiben. Das dauert eine Stunde und bringt mehr als jede Anschreiben-Variante.

Was du im Interview zeigen solltest#

Bei Dienstleistern läuft es selten nur auf Coding heraus. Rechne mit technischen Runden, Systemdesign für ML, und einer Einschätzung, ob du dem Kunden eine Lösung erklären kannst. Genau diese Mischung wird in vielen Berichten zu Interviews bei großen IT-Firmen beschrieben, konkrete Abläufe variieren aber je nach Rolle und Region.

Eine Frage, die fast sicher kommt: "Erzähl mir von einem ML-Projekt, das du von Anfang bis Ende verantwortet hast." Hier ein Beispiel für eine strukturierte Antwort:

"Ein Kunde im Handel wollte Retouren vorhersagen, hatte aber nur unvollständige Daten. Ich habe zuerst mit dem Fachbereich geklärt, welche Signale überhaupt vorliegen, dann eine Baseline mit simpler Logistischer Regression gebaut. Die hat im Test 0,71 AUC erreicht, und damit war klar, dass mehr Daten wichtiger war als ein komplexeres Modell. Danach sind wir auf XGBoost mit Feature Engineering gegangen und auf 0,78 AUC. Deployment lief über SageMaker, und ich habe dem Kunden in zwei Workshops erklärt, wie er die Vorhersagen liest."

Diese Antwort zeigt Technik, Priorisierung und Kommunikation. Genau die Kombination, die man in Beratungs- und Dienstleistungsprojekten braucht.

Der deutsche Markt hat eigene Regeln#

In Deutschland kommt zu den technischen Fragen eine Ebene dazu: Arbeitsrecht, Datenschutz, Betriebsräte. Wenn du in einem deutschen Team arbeitest, solltest du wissen, wie man personenbezogene Daten in ML-Projekten handhabt, und DSGVO nicht nur dem Namen nach kennen. Das ist kein Nice-to-have, sondern Alltag in vielen Projekten.

Sprachlich gilt: Englisch ist Projektsprache, Deutsch ist oft die Sprache mit dem Kunden oder internen Team. Wer beides kann, hat einen Vorteil. Sag im Interview klar, in welchen Sprachen du arbeiten kannst, und übertreibe nicht.

Zum Gehalt: ML-Engineer-Gehälter in Deutschland bewegen sich je nach Erfahrung, Region und Unternehmensgröße in einem weiten Rahmen, typischerweise genannt werden Spannen von etwa 55.000 bis 90.000 Euro für Leute mit ein paar Jahren Erfahrung, bei Senior-Rollen deutlich höher. Die Zahlen variieren stark, prüfe immer die aktuellen Quellen und verlass dich nicht auf einzelne Angaben.

Checkliste vor dem Absenden#

• Stellenanzeige in Einzelteile zerlegen und Kernbegriffe notieren
• Lebenslauf am ATS prüfen, ein kostenloser ATS-Test zeigt dir Formatprobleme
• Drei bis fünf Bulletpoints konkret auf die Ausschreibung zuschneiden
• Ein ML-Projekt als durchgängige Story vorbereiten, mit Zahlen wo möglich
• Technik-Fachbegriffe aus der Anzeige im Lebenslauf und in der Antwort unterbringen
• Gehaltsvorstellung recherchieren, mit einer eigenen Bandbreite reingehen

Der kostenlose ATS-Check hilft dir, Formatfehler zu finden, die deine Bewerbung aussortieren lassen, bevor ein Mensch sie liest. Kleiner Aufwand, großer Effekt.

Wo du passende Stellen findest#

Wenn du gezielt nach ML-Rollen bei großen Dienstleistern suchst, lohnt ein Blick in aktuelle Angebote auf unserer Jobübersicht. Dort findest du offene Positionen nach Rolle und Ort gefiltert, und kannst sehen, welche Begriffe in den Anzeigen gerade üblich sind. Wer mehr zum Bewerbungsprozess und zu Gehaltsfragen lesen will, findet im Bloglauf weitere Artikel zu ML-Karrieren.

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 HCLTech-Bewerbung sein?

Für die meisten Rollen reichen ein bis zwei Seiten. Wichtiger als die Länge ist, ob die relevanten Projekte und Technologien sofort sichtbar sind, ohne dass man scrollen muss.

Brauche ich zwingend Berufserfahrung mit GenAI-Tools?

Nein, nicht für jede Stelle. Wenn die Anzeige LLM oder RAG nennt, solltest du zumindest ein eigenes Projekt oder eine fundierte Einschätzung mitbringen, sonst fehlt dir die Grundlage für die technischen Fragen.

Soll ich ein Anschreiben mitliefern?

Wenn in der Anzeige danach gefragt wird, ja. Wenn nicht, ist ein kurzes Anschreiben oft optional, ein gut zugeschnittener Lebenslauf bringt mehr.

Wie bereite ich mich auf Systemdesign für ML vor?

Übe den Aufbau einer Vorhersage-Pipeline von Datenquelle bis Monitoring, inklusive Retraining und Fehlerbehandlung. Sprich laut durch, wie du bei Datenproblemen vorgehst, das wird oft abgefragt.

Was mache ich, wenn mir eine Frage im Interview nicht einfällt?

Sag ehrlich, dass du es nicht weißt, und beschreibe, wie du herausfinden würdest, wie es geht. Ein strukturierter Denkansatz wirkt in solchen Momenten besser als ein geratener Begriff.