KI-Stellen tragen falsche Namen: 53 Prozent mischen mehrere Berufsbilder
Andela veröffentlichte am 10. September 2026 eine Analyse, nach der vertraute KI-Jobtitel die verlangte Arbeit häufig nur unvollständig benennen. Für die Auswertung von Andela wurden 47.101 technische Stellenanzeigen von Fortune-500-Unternehmen untersucht und 2.026 Fähigkeiten bewertet; unter rund 1.832 Anzeigen mit Titeln wie AI Engineer oder ML Engineer verlangten 53 Prozent Kompetenzen aus mindestens zwei etablierten Rollen.
Der Befund vom 10. September betrifft damit nicht alle KI-Stellen, sondern diese klar begrenzte Teilmenge. Auch die Berichterstattung von TechGig beschreibt die untersuchten Anzeigen als Rollen mit kombinierten technischen Spezialisierungen. Für Bewerber folgt daraus: Ob eine Stelle passt, lässt sich zuverlässiger an Aufgaben, Ergebnissen und Pflichtkenntnissen erkennen als an der Überschrift allein.
Was die 53-Prozent-Quote tatsächlich bedeutet
Die Quote belegt weder eine absichtliche Täuschung noch eine falsche Benennung nach einem allgemein anerkannten Berufsstandard. „Falsch“ bedeutet hier: Der Titel verweist auf ein bekanntes Berufsbild, während das geforderte Kompetenzpaket nach Andelas Zuordnung über dessen bisherige Grenzen hinausreicht.
Bei einem AI Engineer können beispielsweise LLM-Orchestrierung, autonome Agenten und Vektordatenbanken zusammenkommen. In anderen Anzeigen sollen Data Scientists nicht nur Daten untersuchen oder Modelle entwickeln, sondern produktionsfähige LLM-Agenten ausliefern. Ein einziger vertrauter Titel verdeckt dann Tätigkeiten aus Anwendungsentwicklung, Modellarbeit und technischem Betrieb.
Das ist mehr als eine lange Wunschliste, sofern Fähigkeiten aus verschiedenen Arbeitsfeldern wiederholt gemeinsam verlangt werden. Es sagt aber noch nicht, ob eine einzelne Stelle tatsächlich mehrere Vollzeitrollen vereint: Umfang, Prioritäten, Teamaufteilung und Entscheidungskompetenzen lassen sich aus einer automatisierten Analyse von Anzeigentexten nur begrenzt ableiten.
23 Bündel sind nicht automatisch 23 neue Berufe
Die ausführliche Forschungsseite ordnet die Ergebnisse genauer ein: Der Datensatz umfasst öffentlich zugängliche, softwarebezogene Fortune-500-Anzeigen aus einem fünfwöchigen Zeitraum vom 30. März bis 2. Mai 2026. Das Verfahren erkannte 23 wiederkehrende Kompetenzbündel; eine manuelle Prüfung durch eine Person bewertete acht als tatsächlich im Entstehen begriffen, 14 als bereits etablierte Mischformen und eines als Artefakt.
Andela hebt unter anderem MLOps Pipeline Engineer, LLM Application Engineer, FinOps Reliability Engineer, Docs-as-Code Engineer, Product Front-End Engineer, Lakehouse Analytics Engineer, DevSecOps Security Engineer und SecOps Observability Engineer hervor. Diese Bezeichnungen stammen aus der Auswertung; sie sind keine bereits verbindlichen oder branchenweit standardisierten Jobtitel.
Der MLOps Pipeline Engineer verbindet laut Analyse vor allem ML Engineering, DevOps und Data Engineering mit Aufgaben wie Modellbereitstellung, Versionierung, Workflow-Orchestrierung und Überwachung. Der LLM Application Engineer entwickelt Anwendungen auf bestehenden Foundation Models, statt diese Modelle primär selbst zu trainieren.
Für das zweite Bündel ermittelte Andela eine Abdeckung von 6.758 Anzeigen. Das sind ausdrücklich nicht 6.758 Stellen mit dem Titel LLM Application Engineer: Als abgedeckt gelten Anzeigen, in denen mindestens zwei Fähigkeiten des Bündels aus unterschiedlichen Stammrollen auftreten. Mehrere Bündel können außerdem dieselbe Anzeige erfassen.
Woran Bewerber die tatsächliche Rolle erkennen
Der Titel bleibt für Suche und erste Orientierung nützlich. Für den fachlichen Abgleich sollte die Anzeige jedoch danach zerlegt werden, welches Ergebnis erwartet wird, welche Systeme zum Verantwortungsbereich gehören und welche Kenntnisse wirklich vorausgesetzt werden.
- Arbeitsergebnis bestimmen: Geht es um Modelltraining, eine Anwendung auf Foundation Models, die Integration von Agenten oder den stabilen Produktionsbetrieb?
- Pflichtkenntnisse gruppieren: Anforderungen aus Softwareentwicklung, Data Science, Infrastruktur, Sicherheit, Kostensteuerung und Dokumentation gehören zunächst in getrennte Arbeitsfelder.
- Schwerpunkt erkennen: Wiederkehrende Aufgaben und Muss-Anforderungen zeigen den Kern der Stelle. Eine einzelne Wunschkenntnis kann lediglich eine Schnittstelle zu einem anderen Team markieren.
- Verantwortung prüfen: Formulierungen wie „entwickeln“, „bereitstellen“, „überwachen“ und „betreiben“ bezeichnen unterschiedliche Phasen und können auf mehrere Zuständigkeitsbereiche hinweisen.
- Erfahrung mit Aufgaben abgleichen: Maßgeblich sind belegbare Projekte und Tätigkeiten. Ein bisheriger Jobtitel muss nicht mit der ausgeschriebenen Bezeichnung übereinstimmen.
Bleibt das Verhältnis der Arbeitsfelder unklar, sind konkrete Fragen im Gespräch aussagekräftiger als eine Diskussion über den Titel: Welcher Anteil entfällt auf Entwicklung, Modellarbeit und Betrieb? Wer verantwortet produktive Systeme? Welche Aufgaben liegen bei anderen Teams? So wird sichtbar, ob die Kombination bewusst organisiert ist oder ob eine Anzeige mehrere Rollen ohne klare Priorität zusammenzieht.
Die Studie zeigt eine Momentaufnahme, keinen DACH-Marktwert
Die Ergebnisse lassen sich nicht als Quote für Deutschland, Österreich oder die Schweiz lesen. Ausgewählt wurden Arbeitgeber nach ihrer Zugehörigkeit zu den Fortune 500, nicht nach dem Standort der Stelle; außerdem beschränkt sich der Datensatz auf softwarebezogene Ausschreibungen großer Unternehmen. Kleinere Firmen, andere Berufsgruppen und der gesamte deutschsprachige Arbeitsmarkt sind damit nicht repräsentiert.
Auch die Einteilung der Fähigkeiten beruht auf Andelas eigener Taxonomie. Das Verfahren vergleicht Stellen mit historisch definierten Stammrollen, sucht häufig gemeinsam auftretende Fähigkeiten über Rollengrenzen hinweg und gewichtet das Alter der eingesetzten Technologien. Ein lokales Sprachmodell vergab anschließend Namen für die isolierten Bündel, war nach Angaben des Unternehmens aber nicht an ihrer Erkennung beteiligt.
Die Untersuchung misst zudem keine Entwicklung der Anzeigenzahlen über mehrere Jahre. Sie leitet das Entstehen von Rollen aus einer einzelnen Momentaufnahme, den Abweichungen von etablierten Kompetenzprofilen und dem Alter der Technologien ab. Andela bezeichnet das Verfahren als zum Patent angemeldet; eine unabhängige Replikation des vollständigen Ergebnisses liegt in den geöffneten Veröffentlichungen nicht vor.
Bestätigt ist deshalb ein engerer Befund: In der untersuchten Gruppe überschritten viele AI- und ML-Anzeigen die Grenzen der Rolle, die ihr Titel versprach. Ob sich Andelas neue Bezeichnungen durchsetzen und ob dieselben Bündel in anderen Unternehmensgrößen, Zeiträumen und Regionen stabil bleiben, müssen weitere Datensätze zeigen.
Lesen Sie auch:
Newsletter abonnieren
Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.