Revolut Machine Learning Engineer: Lebenslauf-Keywords und Interviewvorbereitung

Deine Bewerbung als Machine Learning Engineer bei Revolut wird vermutlich scheitern, bevor jemand deine Projekte liest. Nicht weil du zu schlecht bist, sondern weil deine Wortwahl nicht zur Stellenanzeige passt. Der Filter vor dem Menschen entscheidet über Relevanz. Und der kennt nur die Begriffe, die im Posting stehen.

Das ist unfair, aber änderbar. In wenigen Stunden kannst du deinen Lebenslauf so umbauen, dass er sowohl die automatische Vorauswahl besteht als auch einem Tech Lead im Gespräch standhält. Hier kommt der Ablauf.

Erst die Stelle entschlüsseln, dann schreiben#

Revolut schreibt Rollen aus, die sehr unterschiedliche Schwerpunkte haben: Fraud Detection, Empfehlungssysteme, Pricing, Credit Scoring, NLP für den Kundensupport, Forecasting. Eine Bewerbung auf alle davon passt zu keiner davon.

Lies die Stellenanzeige dreimal. Beim ersten Durchgang markierst du jedes technische Wort. Beim zweiten sortierst du in drei Eimer: Hard Skills, Tools und Frameworks, Domäne. Beim dritten schreibst du eine Liste mit den Begriffen, die mindestens zweimal vorkommen oder direkt im Titel stehen.

Ein Decoder für Stellenanzeigen spart dir hier Zeit, weil er die Anforderungen in eine saubere Liste zerlegt: der kostenfreie JD-Decoder von jobrise. Danach hast du eine belastbare Keyword-Liste statt eines Bauchgefühls.

Die Keywords, die in ML-Lebensläufen wirklich zählen#

Aus typischen ML-Ausschreibungen im Fintech-Bereich tauchen bestimmte Begriffe immer wieder auf. Nimm die, die zu deiner Erfahrung passen, und baue sie wörtlich ein:

• Python, SQL, Spark, Airflow, Kubernetes, Docker
• PyTorch, TensorFlow, scikit-learn, XGBoost, LightGBM
• MLOps, Feature Store, Model Monitoring, Model Serving, CI/CD
• Fraud Detection, Anomaly Detection, Credit Scoring, Risk Modeling
• Recommendation Systems, Ranking, Personalization
• NLP, LLM, RAG, Fine-Tuning, Embeddings, Vector Databases
• A/B Testing, Causal Inference, Experimentation
• AWS, GCP, BigQuery, Snowflake, Databricks
• Data Pipelines, ETL, Streaming, Kafka, Feature Engineering
• Time Series, Forecasting, Demand Prediction
• Model Explainability, SHAP, Fairness, Model Governance

Zwei Regeln dazu. Erstens: Schreibe "PyTorch", wenn die Anzeige "PyTorch" verlangt, nicht "tiefes neuronales Netz mit einem verbreiteten Framework". Zweitens: Kein Keyword ohne Beleg. Ein Wort, das im Lebenslauf steht und nirgends in einem Projektsatz auftaucht, wirkt wie eine Lüge.

So baust du deine Projektbullets um#

Der häufigste Fehler: Bullets beschreiben Verantwortung statt Wirkung. "Verantwortlich für das Fraud-Modell" sagt nichts über dein Können aus. Ein Recruiter will sehen, was du gebaut, gemessen und verbessert hast.

Vorher:

• Verantwortlich für die Entwicklung von Machine-Learning-Modellen im Bereich Betrugserkennung

Nachher:

• Betrugserkennung in PyTorch und LightGBM neu aufgebaut, Recall bei festem False-Positive-Budget von 0,3 Prozent um 12 Prozentpunkte erhoben, Modell läuft seit 14 Monaten produktiv in einem Kafka-Streaming-Pipeline

Der Unterschied liegt nicht im Stil. Er liegt darin, dass der zweite Satz einen Tech Lead dazu bringt, nachzufragen. Und genau das willst du im Interview.

Nutz Zahlen, die du belegen kannst. Wenn du keine echten Metriken nennen darfst, schreib "im internen A/B-Test signifikante Verbesserung der Precision bei gleichbleibender Latenz" statt eine Zahl zu erfinden. Ehrlichkeit über Kennzahlen ist in der Finanzbranche kein Detail, sondern Voraussetzung.

Was du über den deutschen und österreichischen Markt wissen solltest#

Revolut stellt in Europa ein, aber die Standorte und Vertragsmodelle unterscheiden sich deutlich. In Deutschland gibt es Stellen in Berlin, in Österreich welche in Wien, andere Rollen laufen über Verträge in Litauen, Großbritannien oder Remote-Setups mit lokaler Vertragsfirma. Das steht selten prominent in der Anzeige, verändert aber dein Brutto und deine Sozialversicherung.

Fragen dazu im Erstgespräch sind normal und kein Zeichen von Misstrauen: Wer ist formaler Arbeitgeber, welche Entität unterschreibt, wo liegt der Sozialversicherungsort, wie sind Homeoffice-Regelungen geregelt.

Zu Gehalt: ML-Engineer-Gehälter in Deutschland liegen laut verbreiteten Gehaltsportalen für erfahrene Profile oft irgendwo zwischen 65.000 und 100.000 Euro fix, bei Fintechs mit Sitz im Ausland kommen Zulagen oder Aktienpakete dazu, die das Bild verschieben. Die Spanne variiert stark nach Standort, Seniorität und Vertragsmodell. Prüfe das aktuelle Niveau auf einer aktuellen Quelle und im Gespräch, nicht auf Basis älterer Artikel.

Der technische Teil: womit du rechnen kannst#

Ohne interne Einblicke zu erfinden, lässt sich aus öffentlichen Ausschreibungen und verbreiteten Bewerberberichten im ML-Bereich ein üblicher Ablauf ableiten: Erstgespräch mit Recruiting, technisches Gespräch mit einem ML-Engineer oder Tech Lead, Coding- oder System-Design-Runde, manchmal eine Case Study oder Take-Home-Aufgabe, danach ein Gespräch zu Kultur und Zusammenarbeit. Die Reihenfolge und die Zahl der Runden variiert je nach Standort und Team.

Vorbereiten solltest du dich auf vier Blöcke:

• Coding in Python mit Fokus auf Datenstrukturen und saubere Funktionen, nicht nur auf LeetCode-Rätsel
• ML-Fundamentals: Bias-Variance, Regularisierung, Overfitting, Metriken, Feature Leakage, Umgang mit unausgewogenen Daten
• System Design für ML: Feature Pipelines, Serving, Monitoring, Retraining, Latenz-Anforderungen
• Domäne: wie man Betrug oder Risiko modelliert, welche Kosten False Positives und False Negatives haben

Für den Domänenblock hilft es, einen konkreten Fall aus deiner Erfahrung vorzubereiten. Bau eine Geschichte auf, die du in drei Minuten erzählen kannst: Problem, Datenlage, Modellwahl, Metrik, Ergebnis, was du anders machen würdest.

Ein Beispiel für eine starke Antwort#

Frage: "Erzähl mir von einem Modell, das du in Produktion gebracht hast."

Antwort: "In meinem letzten Team haben wir Chargeback-Betrug in einer Buchungsplattform vorhergesagt. Die Datenlage war schwierig, Labels kamen mit zwei Wochen Verzögerung, und die Klassenverteilung war stark unausgewogen. Ich habe mit einem LightGBM-Baseline-Modell angefangen und dann eine Feature-Pipeline gebaut, die Verhaltenssequenzen der letzten 30 Tage aggregiert hat. Entscheidend war die Metrikwahl: Wir haben nicht Accuracy optimiert, sondern Recall bei einem festen False-Positive-Budget, weil das Ops-Team nur eine begrenzte Zahl an manuellen Reviews schafft. Im A/B-Test haben wir die manuelle Review-Quote gesenkt, ohne dass die Betrugsquote gestiegen ist. Was ich anders machen würde: Ich würde das Modell-Monitoring von Anfang an mitdenken, wir haben Drift erst nach drei Monaten bemerkt."

Diese Antwort funktioniert, weil sie Entscheidungen zeigt, nicht nur Ergebnisse. Und weil der letzte Satz zeigt, dass du über deine eigene Arbeit nachdenkst.

Die Checkliste vor dem Absenden#

• Stellenanzeige in eine Keyword-Liste zerlegt, mit dem JD-Decoder oder in Eigenarbeit
• Jedes relevante Keyword mindestens einmal wörtlich im Lebenslauf, verbunden mit einem Projektbeleg
• Jede Bullet beginnt mit einer Handlung und endet mit einer messbaren oder überprüfbaren Wirkung
• Keine Zahl im Lebenslauf, die du im Gespräch nicht erklären kannst
• Kontakt, Standort und Arbeitserlaubnis klar angegeben, besonders bei grenzüberschreitenden Verträgen
• LinkedIn-Profil deckt sich mit dem Lebenslauf, Lücken sind erklärbar
• Lebenslauf gegen einen ATS-Check geschickt, zum Beispiel mit dem kostenfreien ATS-Checker von jobrise
• Offene Stellen im Blick behalten, passende Rollen findest du in der Jobübersicht von jobrise
• Für Interviewfragen und Gehaltsfragen aktuelle Quellen geprüft, nicht alte Blogbeiträge

Wo du nach passenden Rollen und weiteren Vorlagen suchst#

Revolut schreibt auf eigenen Karriereseiten, auf LinkedIn und über spezialisierte Tech-Jobbörsen aus. Die Stellenlage wechselt schnell, manche Ausschreibung ist nach zwei Wochen wieder offline. Ein Jobfeed mit Filter auf Machine Learning und Fintech spart dir das tägliche Abklappern, zum Beispiel die Übersicht bei jobrise.

Zum Lebenslauf-Stil selbst findest du weitere umgeschriebene Bullets und Mustervorlagen in den Artikeln im jobrise-Blog. Nimm davon die Struktur, nicht die Formulierung. Deine Projekte sind anders, dein Satzbau sollte das zeigen.

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 der Lebenslauf für eine ML-Rolle bei Revolut sein?

Für die meisten Bewerber reichen ein bis zwei Seiten, bei mehr als zehn Jahren Erfahrung sind zwei Seiten angemessen. Einseitige Lebensläufe wirken im deutschen Raum oft zu knapp, dreiseitige wirken bei unter zehn Jahren Erfahrung unsortiert. Entscheidend ist, ob jede Zeile eine Anforderung aus der Stellenanzeige trifft.

Sollte ich Kenntnisse auflisten, die ich nur aus einem Kurs habe?

Grundsätzlich ja, aber kennzeichne sie ehrlich als Grundkenntnisse oder aus einem privaten Projekt. Ein Wort wie "PyTorch" ohne jeden Kontext wirkt im Gespräch sofort hohl, sobald eine Rückfrage kommt. Besser: "PyTorch, Grundkenntnisse aus einem Abschlussprojekt zur Zeitreihenklassifikation".

Brauche ich Erfahrung in der Finanzbranche, um genommen zu werden?

Nein, viele ML-Engineers kommen aus E-Commerce, Logistik oder Medien. Was zählt, ist ob du mit ähnlichen Problemen gearbeitet hast: unausgewogene Klassen, Betrugs- oder Risikomodelle, Latenzanforderungen im Produktivbetrieb. Übertragbare Erfahrung musst du im Anschreiben und im Interview sichtbar machen.

Wie bereite ich mich auf die Case-Study vor, wenn ich das Thema nicht kenne?

Übe eine allgemeine Vorgehensweise, die du auf jedes Problem anwenden kannst: Problem und Zielmetrik klären, Daten und Labels prüfen, Baseline definieren, Modell begründen, Evaluation und Monitoring beschreiben. Diese Struktur rettet dich auch in einem unbekannten Fall. Notiere dir vorab drei typische Metriken und wann man sie einsetzt.

Was mache ich, wenn die Stellenanzeige Remote ausweist, aber der Vertrag im Ausland liegt?

Frage früh und direkt nach, welche Vertragsfirma dich einstellt, wo die Sozialversicherung liegt und welche lokalen Rechte gelten. Lass dir das schriftlich geben, bevor du zusagst, mündliche Zusagen zu Remote-Regelungen sind wertlos, wenn im Vertrag etwas anderes steht. Bei Unsicherheit hilft eine Beratung durch eine Fachkraft für Arbeitsrecht oder die zuständige Sozialversicherung.