Infosys Machine Learning Engineer: Lebenslauf-Keywords und Interviewvorbereitung

Du bewirbst dich auf eine Machine-Learning-Stelle bei Infosys und weißt nicht, welche Keywords im Lebenslauf wirklich zählen. Das ist ein typisches Problem bei großen IT-Dienstleistern: Die Anforderungen stehen in der Ausschreibung, nicht in deinem Kopf. Genau da setzen wir an.

Was die Rolle bei einem Dienstleister anders macht#

Infosys ist ein Dienstleister. Kundenprojekte bestimmen den Tech-Stack, nicht eine interne Produktvision. Das heißt für dich: Du musst zeigen, dass du dich in fremde Codebasen einarbeiten, mit Kunden sprechen und Ergebnisse unter Zeitdruck liefern kannst.

Die Stellenbeschreibung entscheidet über deine Keywords. Nichts sonst. Lies die Ausschreibung Zeile für Zeile und markiere jedes Werkzeug, jede Methode und jede Softskill-Formulierung. Ein hilfreiches Werkzeug dafür ist der kostenlose JD Decoder: Er zerlegt die Anforderungen in einzelne Bausteine, damit du siehst, welche Begriffe du im Lebenslauf brauchst.

Für den deutschen Markt gilt: Der Titel "Machine Learning Engineer" wird je nach Firma auch als "KI-Ingenieur", "Data Scientist" oder "ML Ops Engineer" ausgeschrieben. Schau dir die konkreten Stellen in deiner Region an, bevor du dich festlegst.

Keywords richtig in den Lebenslauf bringen#

Kein Keyword-Stuffing. Keine Wortwolke am Rand. Jeder Begriff muss an einer konkreten Aufgabe hängen.

Arbeite mit der Formel: Werkzeug plus Aufgabe plus Ergebnis. Ergebnisse ohne Zahl sind okay. "Modell in Produktion gebracht" ist besser als "mit Machine Learning gearbeitet".

Ein Beispiel. Schlecht so:

• Machine Learning, Python, TensorFlow, Teamplayer

Besser so:

• Zeitreihen-Prognose für Lagerbestände in Python umgesetzt, Feature Engineering mit Pandas, Modell mit XGBoost trainiert und nach Abstimmung mit dem Fachbereich in den Batch-Betrieb übergeben

Der zweite Satz enthält die Keywords, die ein ATS sucht. Gleichzeitig belegt er, dass du den ganzen Weg von Daten bis Produktion kennst. Genau das wird bei Dienstleistern gebraucht.

Für die Formatierung: Ein ATS soll deinen Lebenslauf sauber lesen können. Tabellen, Icons und mehrspaltige Layouts brechen bei vielen Systemen. Prüfe deine Datei vor dem Absenden mit dem kostenlosen ATS-Checker, dann siehst du, ob Abschnitte und Skills erkannt werden.

Welche Keywords für Machine Learning Engineer typisch sind#

Die genaue Liste hängt von der Ausschreibung ab. In der Praxis tauchen diese Begriffe häufig auf:

• Python, SQL, gelegentlich Java oder Scala
• Pandas, NumPy, Scikit-learn, XGBoost
• TensorFlow oder PyTorch, je nach Projekt
• Docker, Kubernetes, CI/CD
• AWS, Azure oder GCP
• MLOps, Model Monitoring, Feature Store
• Git, Code Reviews, agile Methoden

Übernimm nur, was du wirklich kannst. In einem Interview musst du jedes Keyword verteidigen können. Ein "habe ich einmal gesehen" fällt spätestens in der zweiten Runde auf.

Interviewvorbereitung: was du üben solltest#

Große Dienstleister prüfen meist mehrere Ebenen: technische Grundlagen, Coding, Systemdesign und Verhalten. Die Reihenfolge variiert. Beschreibe deshalb deine Projekte so, dass sie auf alle vier Ebenen passen.

Übe drei Projekte aus deiner Vergangenheit in dieser Struktur: Ausgangslage, deine Aufgabe, was du technisch gemacht hast, was dabei schiefging, was am Ende herauskam. Halte jedes auf zwei Minuten.

Für Coding-Runden: Übe mittelschwere Aufgaben zu Arrays, Hashmaps, Strings und grundlegender Dynamik. Python ist meist die sicherste Wahl. Denke laut. Stille beim Tippen wirkt unsicherer als ein Denkfehler, den du selbst korrigierst.

Für Systemdesign: Kenne den Weg von Daten über Training bis Deployment. Wer erklären kann, wie ein Modell überwacht wird und wann man es neu trainiert, hat einen echten Vorteil.

Eine konkrete Antwort, die funktionet#

Frage: "Erzähl uns von einem ML-Projekt, das du abgeschlossen hast."

Antwort:

"Bei meinem letzten Arbeitgeber sollten Lagerbestände für rund 200 Filialen prognostiziert werden. Ich habe zuerst mit dem Fachbereich geklärt, welche Vorhersagegenauigkeit überhaupt ausreicht, denn eine zu genaue Prognose hätte sich nicht gelohnt. Dann habe ich historische Verkäufe, Feiertage und Wetterdaten zusammengeführt, mit Pandas aufbereitet und ein XGBoost-Modell trainiert. Das erste Modell war zu optimistisch bei Sonderaktionen. Ich habe die Aktionsdaten als Feature ergänzt und die Vorhersage dadurch stabiler gemacht. Am Ende lief der Prognosejob jede Nacht im Batch und das Lager-Team hat die Zahlen in seiner Planung genutzt."

Diese Antwort nennt Technik, zeigt Urteilsvermögen und endet mit einem Nutzen. Keine Zahl nötig.

Deutschlands Markt: was du wissen musst#

Der deutsche Markt für ML-Rollen ist regional sehr ungleich. München, Frankfurt, Berlin, Stuttgart und Hamburg haben die meisten Angebote. In kleineren Städten heißt die Rolle oft anders oder ist Teil einer Data-Science-Stelle.

Große Dienstleister arbeiten viel mit Kundenprojekten. Das bedeutet oft Reisebereitschaft oder Arbeit beim Kunden vor Ort. Kläre das früh, bevor du Zeit investierst. Wenn du Standort oder Remote-Anteil fest brauchst, filtere direkt bei der Suche nach passenden Stellenangeboten.

Was Gehalt angeht: Die Spannen unterscheiden sich stark nach Erfahrung, Region und Verantwortung. Für Machine-Learning-Rollen in Deutschland werden je nach Seniorität und Standort völlig unterschiedliche Bereiche genannt. Verlass dich nicht auf einzelne Online-Angaben. Prüfe die aktuellen Werte in der Ausschreibung, im Gespräch und bei Bedarf mit einer aktuellen Quelle wie Entgeltatlas oder einer Gehaltsstudie deiner Branche.

Checkliste für deine Bewerbung#

• Ausschreibung Zeile für Zeile lesen und Kernbegriffe markieren
• Jedes relevante Keyword an eine konkrete Aufgabe im Lebenslauf hängen
• Drei Projekte vorbereiten: Problem, Technik, Ergebnis, Lerneffekt
• Coding-Übung für Hashmaps, Strings und Arrays einplanen
• Deployment und Monitoring einmal laut erklären
• Standort, Reiseanteil und Remote-Möglichkeit vorher klären
• Lebenslauf-Datei vor dem Absenden auf ATS-Lesbarkeit prüfen
• Unterlagen für die erste Runde griffbereit halten: Zeugnisse, Projektreferenzen, Führerschein falls relevant

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 ML-Rolle bei Infosys sein?

Zwei Seiten sind für erfahrene Kandidaten in Deutschland üblich, eine Seite reicht für Berufseinsteiger. Wichtiger als die Länge ist, dass jede Zeile eine konkrete Leistung zeigt. Fülle nicht mit Kursen und Hobbys auf.

Muss ich Kundenprojekte im Lebenslauf nennen, wenn ich unter NDA stehe?

Nein. Beschreibe die technische Aufgabe, ohne den Kunden zu nennen. "Prognosemodell für einen Kunden aus dem Handel" ist erlaubt und zeigt trotzdem die Bandbreite.

Sollte ich eine Foto und persönliche Daten mit reinschicken?

In Deutschland ist ein Foto weiter verbreitet als in anderen Ländern, aber nicht Pflicht. Wichtiger sind vollständige Kontaktdaten, Standort und ein frühestmöglicher Eintrittstermin. Wenn du dich auf internationale Teams bewirbst, ist ein Foto optional.

Wie gehe ich mit Lücken im Lebenslauf um?

Sei kurz und ehrlich. Ein Satz reicht: "Zwischen den Stationen habe ich mich um Angehörige gekümmert" oder "Ich habe in der Zeit zertifizierte ML-Kurse absolviert". Länger zu rechtfertigen wirkt unsicher.

Was, wenn ich die Hälfte der Tech-Keywords nicht abdecke?

Bewirb dich trotzdem, wenn du den Kern kannst. Dienstleister stellen oft Leute ein, die sich in neue Stacks einarbeiten. Betone im Anschreiben, wie schnell du in der Vergangenheit neue Tools gelernt hast.