Meta AI Engineer: Lebenslauf-Keywords und Interviewvorbereitung

Du bewirbst dich auf eine AI-Engineer-Stelle bei Meta und weißt nicht, welche Keywords in den Lebenslauf gehören. Gleichzeitig fehlt dir eine Vorstellung, was im Gespräch wirklich abgefragt wird. Beides hängt zusammen: Wer den Lebenslauf auf die Stellenanzeige trimmt, steigt mit besseren Fragen ins Interview.

Das hier ist kein Guide zu internen Auswahlprozessen. Ich habe keinen Einblick, wie Meta intern bewertet, und solche Behauptungen wären Unsinn. Was ich dir geben kann: eine Methode, wie du Stellenanzeigen sauber auswertest, deinen Lebenslauf daran ausrichtest und dich auf die Themen vorbereitest, die in der Rolle sichtbar werden.

Erst lesen, dann schreiben#

Der häufigste Fehler: Der Lebenslauf steht, und die Bewerbung wird hinterhergeschoben. Falsch rum. Lies die Anzeige zuerst, markiere die Fachbegriffe, und baue dann.

Ein AI-Engineer-Job bei Meta ist selten ein einziges Profil. Mal geht es um Modelltraining und Evaluation, mal um Inferenz und Latenz, mal um Agenten und Tool-Use, mal um Infrastruktur und Datenpipelines. Diese Unterschiede sind kein Detail. Sie bestimmen, welche Projekte du überhaupt zeigst.

Wenn du mehrere passende Ausschreibungen im Blick hast, hilft ein Job-Suchfilter, der nach Rolle und Standort filtert. Auf der Job-Suche mit Filtern findest du eine Übersicht, aus der du Muster ableiten kannst. Mehrere ähnliche Anzeigen nebeneinander zeigen dir, welche Begriffe Meta wiederholt, und genau die gehören in deine Unterlagen.

Keywords, die in der Rolle auftauchen#

Ohne dich in eine konkrete Anzeige zu verrennen, sind das die Felder, die in AI-Engineering-Rollen üblich sind:

• Modelltraining, Fine-Tuning, Pre-Training
• Evaluation, Benchmarks, Guardrails, Halluzinationen
• Inference, Serving, Latenz, Throughput, Quantisierung
• LLMs, Transformer, Embeddings, Retrieval, RAG
• Agenten, Tool-Use, Function Calling
• PyTorch, Python, C++, CUDA, Triton
• Datenpipelines, Feature Stores, Verteiltes Training
• MLOps, Deployment, Monitoring, Rollback
• Verantwortungsvolle KI, Fairness, Safety, Red-Teaming

Das ist kein Keyword-Stuffing-Set, das du eins zu eins übernimmst. Nimm die Begriffe, die zu deiner Arbeit passen. Wer eine Evaluation-Pipeline gebaut hat, schreibt Evaluation. Wer nur Modelle konsumiert hat, schreibt es nicht. Recruiter und Hiring Manager merken den Unterschied im Gespräch sofort.

Den Lebenslauf an die Anzeige angleichen#

Ein guter AI-Engineer-Lebenslauf ist konkret. Keine Aufgabenliste, sondern Ergebnisse mit Methode und Wirkung. Drei Regeln helfen.

Erstens: Jede Zeile nennt die Technik und den Kontext. "Erfahrung mit LLMs" ist nichts wert. "Fine-Tuning von 7B-Modellen für die Kundenklassifikation" ist eine Aussage.

Zweitens: Nenne, woran du gemessen hast. Latenz, Kosten pro Anfrage, Accuracy, Recall, Fehlerquote, Durchsatz. Wenn du keine Zahl nennen willst oder darfst, beschreibe die Messung trotzdem.

Drittens: Zeige, wie du mit Risiken umgegangen bist. KI-Rollen hängen an Fehlern, nicht an Demos. Wer Guardrails, Monitoring oder Rollback-Konzepte kennt, hat ein Thema, über das sich reden lässt.

Ein Beispiel vorher und nachher

Vorher: "Verantwortlich für die Entwicklung von KI-Modellen und deren Integration in Produkte."

Nachher: "Fine-Tuning eines 7B-Modells für die Klassifikation von Support-Tickets, Evaluation gegen ein 2.000 Beispiele umfassendes Test-Set, danach Quantisierung auf INT8 für den Rollout, Latenz von über 1 Sekunde auf unter 300 ms gesenkt."

Der Unterschied ist nicht Länge. Der Unterschied ist, dass du in der zweiten Version sehen kannst, was die Person tatsächlich kann. Fine-Tuning, Evaluation, Quantisierung, Latenz: vier Begriffe, die in Anzeigen auftauchen, in einem einzigen Satz untergebracht.

Wenn du unsicher bist, ob dein Lebenslauf die Begriffe aus der Anzeige überhaupt enthält, gibt es dafür Werkzeuge. Der kostenlose ATS-Check zeigt dir, ob deine Datei sauber auslesbar ist und ob die wichtigsten Begriffe vorkommen. Danach kannst du gezielt nacharbeiten.

Die Anzeige in Einzelteile zerlegen#

Stellenanzeigen sind dicht. Ein Satz enthält oft drei Anforderungen. Hilfreich ist es, die Anzeige in Rollen, Werkzeuge und Ergebnisse zu zerlegen, bevor du schreibst.

Der kostenlose Anzeigen-Decoder macht genau das: Er trennt Muss-Kriterien von Nice-to-have und zeigt dir, welche Formulierungen im Text wirklich gewichten. Das ist kein Ersatz für dein Urteil. Aber es hilft gegen das typische Problem, dass man die eine Zeile übersieht, die später im Gespräch den Ausschlag gibt.

Was im Interview sichtbar wird#

Für AI-Engineering-Rollen bei großen Tech-Firmen sind drei Stränge üblich: Coding, System- und ML-Design sowie ein Gespräch über dein bisheriges Projekt. Manchmal kommen Verhaltensfragen dazu. Die Gewichtung variiert je nach Team und Level, und genau deshalb solltest du alle drei pflegen.

Coding heißt in der Praxis: sauberes Denken laut, korrekte Datenstrukturen, Umgang mit Fällen und Grenzen. Nicht das exotischste Problem, sondern das, das du in 45 Minuten sauber löst.

ML- und System-Design heißt: Wie würdest du eine Funktion bauen, die eine bestimmte Nutzerfach braucht? Welche Metriken wählst du? Welche Trade-offs machst du bei Latenz, Kosten und Qualität? Wo greifst du auf ein bestehendes Modell zurück, wo trainierst du selbst?

Das Projektgespräch ist das, was die meisten unterschätzen. Du wirst nach deiner Rolle, deinen Entscheidungen und deinen Fehlern gefragt. Wer hier allgemein bleibt, verliert.

Ein Beispiel für eine Antwort

Frage: "Erzähl mir von einem ML-System, das du gebaut hast. Welche Entscheidung war die schwierigste?"

Antwort: "Wir hatten ein Modell für die Vorhersage von Kundenabwanderung, das offline gut abschnitt, aber in Produktion zu spät war. Die schwierigste Entscheidung war, das Modell nicht zu verwerfen, sondern das Problem zu verschieben. Statt die Abwanderung vorherzusagen, haben wir das Scoring auf ein Signal umgestellt, das zwei Wochen früher verfügbar war. Das war weniger präzise, aber rechtzeitig genug, um zu handeln. Die Genauigkeit ist um etwa fünf Prozentpunkte gesunken, die Handlungsrate ist gestiegen. Was ich daraus gelernt habe: Ein Modell, das zu spät kommt, ist ungefähr so gut wie gar keins."

Diese Antwort funktioniert, weil sie eine Entscheidung zeigt, einen Trade-off benennt und eine Lehre hat. Genau das wird in Senior-Rollen abgefragt.

Vorbereitung, die in zwei Wochen trägt#

Du brauchst keinen Monat. Du brauchst einen Plan, der die drei Stränge parallel fährt.

• Zwei Coding-Probleme pro Tag, im Zeitlimit gelöst und danach besprochen
• Ein ML-Design-Thema pro Woche durchgesprochen, laut, mit Stift
• Dein wichtigstes Projekt in drei Versionen erzählt: 30 Sekunden, 3 Minuten, 10 Minuten
• Alle Zahlen aus deinem Lebenslauf aufschreiben und belegen können
• Drei Entscheidungen notieren, die du heute anders treffen würdest
• Die letzten eigenen Fehler auflisten und benennen, was du daraus gemacht hast
• Eine Liste von Fragen ans Team vorbereiten, die zeigen, dass du die Rolle verstanden hast

Die letzten beiden Punkte sind keine Formalie. Fragen an das Team sind das ehrlichste Signal dafür, ob du dir Gedanken gemacht hast. Fragen zu Latenzbudgets, zu On-Call, zur Evaluation in Produktion oder zur Verantwortung für Safety sind besser als "Wie ist die Kultur?".

Deutsche Besonderheiten, die du kennen solltest#

Für Bewerbungen in Deutschland gelten ein paar Dinge, die mit US-Prozessen nicht übereinstimmen. Das Anschreiben ist bei vielen deutschen Unternehmen noch üblich, auch wenn Tech-Firmen es seltener verlangen. Zeugnisse und ein Foto werden erwartet, rechtlich nötig sind sie nicht. Die Kündigungsfrist richtet sich nach Vertrag und Gesetz, nicht nach dem, was in einem Blog steht.

Gehalt: Für KI-Engineering-Rollen in Deutschland werden in Diskussionen häufig Bereiche genannt, die je nach Erfahrung, Standort und Firmengröße stark auseinandergehen. Ich nenne hier bewusst keine Zahl, weil sie ohne Kontext irreführend ist. Schau dir aktuelle Werte auf den einschlägigen Vergleichsportalen an, prüfe die Stellenanzeige selbst, und rechne mit deiner konkreten Situation. Bei Meta-Standorten wie München oder Düsseldorf kommen Zuschläge und Aktienpakete dazu, die das Bild verschieben.

Arbeitserlaubnis: Wenn du aus einem Nicht-EU-Land kommst, hängt der Prozess an deiner persönlichen Situation. Es gibt keine pauschale Zusage, die man seriös versprechen kann. Kläre das mit der Firma und mit der zuständigen Ausländerbehörde, bevor du Fristen setzt.

Für allgemeine Hinweise zu Bewerbungen im deutschen Markt lohnt sich ein Blick in die weiteren Ratgeber. Dort findest du Themen zu Zeugnissen, Gehaltsverhandlung und Bewerbungsunterlagen, die hier zu weit führen würden.

Checkliste vor dem Abschicken#

• Lebenslauf gegen die Anzeige gelesen, fehlende Begriffe ergänzt
• Jede Zeile zeigt Technik, Kontext und Wirkung
• Zahlen und Metriken sind belegbar, auch im Gespräch
• ATS-Check gemacht, Format und Lesbarkeit geprüft
• Projekt-Story in drei Längen vorbereitet
• Drei eigene Fehlentscheidungen benennen können
• Fragen ans Team formuliert, mindestens fünf
• Gehaltsrahmen recherchiert und mit der eigenen Situation abgeglichen
• Fristen für Kündigung und Arbeitserlaubnis geklärt

Häufige Fragen#

Wie lang sollte mein Lebenslauf für eine AI-Engineer-Rolle bei Meta sein?

Eine Seite für Berufseinsteiger, zwei Seiten für erfahrene Kandidaten. Was zählt, ist nicht die Länge, sondern ob jede Zeile eine Aussage über deine Arbeit macht. Streiche alles, was nicht zur Stelle passt.

Muss ich ein Anschreiben mitschicken?

Kommt auf den Standort und das Bewerbungsportal an. Für Deutschland ist es oft üblich, für US-Firmen seltener. Im Zweifel schreibst du ein kurzes, konkretes Anschreiben, das drei Punkte nennt und keine Floskeln enthält.

Wie detailliert soll ich über meine Projekte sprechen?

Detailliert genug, dass jemand deine Rolle von der deines Teams unterscheiden kann. Nenne die Technik, deine Entscheidung und die Wirkung. Halte dich bei Firmengeheimnissen zurück, aber nicht bei deinem Beitrag.

Soll ich meine Gehaltsvorstellung in die Bewerbung schreiben?

Nur wenn das Portal danach fragt. Wenn du eine Zahl nennen musst, gib eine Spanne an, die du vorher recherchiert hast, und mach deutlich, dass sie vom Gesamtpaket abhängt. Verhandle nie aus einer einzelnen Quelle heraus.

Was mache ich, wenn mir ein Thema im Interview fehlt?

Sag es direkt und beschreibe, wie du es angehen würdest. Ein ehrliches "Das habe ich nicht gemacht, aber ich würde so starten" wirkt besser als ein Ausweichen. Interviewer bewerten dein Denken, nicht dein Auswendiglernen.