Zum Inhalt
KI-BlogBriefing zu künstlicher Intelligenz

Grundlagen

Was ist mit KI-Engineering gemeint?

Kurzantwort

KI-Engineering ist die Disziplin, die KI in realen Anwendungen zum Laufen bringt und dort verlässlich hält, von Daten und Modellanbindung bis zu Tests und Überwachung⁠13. Sie liegt zwischen Data Science, die Modelle entwickelt, und klassischer Softwareentwicklung. Studieren lässt sich das Fach etwa im Bachelor AI Engineering in Sachsen-Anhalt oder dual an Hochschulen in Baden-Württemberg⁠456.

Autor
Veröffentlicht
Geprüft
Lesezeit
7 Minuten
Werkbank mit seitlich stehendem Laptop, Messgerät, Kabeln und Karteikarten, eine Person notiert mit Bleistift etwas auf einer Karte
KI-Engineering beginnt dort, wo ein Modell im Alltag funktionieren muss. Bild: KI-generiert

Ein KI-Modell, das in einer Vorführung beeindruckt, ist noch keine Anwendung, auf die sich ein Betrieb verlassen kann. Dazwischen liegt die Arbeit des KI-Engineerings: Daten bereitstellen, Modelle in Software einbauen, Ergebnisse prüfen, Kosten und Fehler überwachen und das Ganze am Laufen halten, wenn sich Daten oder Modelle ändern. Das Software Engineering Institute der Carnegie Mellon University beschreibt KI-Engineering als junge Disziplin, die KI in realen Einsatzumgebungen anwendet⁠1. Einen einheitlichen Ausbildungsweg gibt es dafür nicht, studieren lässt sich das Fach aber, auch dual.

Was KI-Ingenieure tun

Das Software Engineering Institute ordnet KI-Engineering an drei Säulen aus⁠1. Menschzentrierte KI fragt, wie Systeme so gestaltet werden, dass sie zu den Menschen und ihren Werten passen, die sie nutzen. Skalierbare KI fragt, wie sich Infrastruktur, Daten und Modelle über mehrere Einsätze hinweg wiederverwenden lassen, weil ihre Entwicklung viel Zeit und Geld kostet. Robuste und sichere KI fragt, ob ein System auch außerhalb des Labors so arbeitet wie erwartet⁠1.

Im Arbeitsalltag heißt das konkret:

  • Daten beschaffen, bereinigen und so ablegen, dass Training und Betrieb dieselben Daten sehen.
  • Modelle auswählen, anpassen oder über eine API eines Anbieters einbinden.
  • Anwendungen bauen, die Modelle mit eigenen Dokumenten verbinden, etwa über RAG.
  • Testfälle und Messgrößen festlegen, mit denen sich die Qualität der Antworten prüfen lässt.
  • Das fertige System in Betrieb nehmen, im Fachjargon Model Deployment, und Kosten, Antwortzeiten und Fehler laufend beobachten.
  • Sicherheitslücken schließen, etwa gegen manipulierte Eingaben, und Zugriffsrechte regeln.

Ein großer Teil dieser Arbeit hat mit Mathematik wenig zu tun. Google beschreibt in seiner Dokumentation zu MLOps, dass in einem realen System für maschinelles Lernen nur ein kleiner Teil aus dem eigentlichen Code für das Lernen besteht⁠3. Drumherum liegen Konfiguration, Datensammlung und Datenprüfung, Tests, Ressourcenverwaltung, Auslieferung und Überwachung⁠3. Die Praxis, Entwicklung und Betrieb solcher Systeme zusammenzuführen, nennt Google eine Kultur und Praxis des ML-Engineerings und kurz MLOps⁠3.

Dieselbe Dokumentation unterscheidet drei Reifegrade⁠3. Stufe 0 heißt Handarbeit: Jeder Schritt läuft manuell, und neue Modellversionen gehen nur ein paar Mal im Jahr in Betrieb. Auf Stufe 1 ist das Training als Pipeline automatisiert, sodass ein Modell laufend mit neuen Daten nachtrainiert werden kann. Bei Stufe 2 werden auch neue Bausteine dieser Pipeline automatisch gebaut, getestet und ausgeliefert⁠3. Viele Aufgaben im KI-Engineering zielen darauf, ein System von Stufe 0 auf Stufe 1 oder 2 zu bringen.

Zwei Personen stehen an einem Whiteboard mit gezeichneten Kästen und Pfeilen, eine zeigt auf einen Kasten
Vor dem ersten Code steht oft die Frage, wie Daten, Modell und Anwendung zusammenhängen. Bild: KI-generiert

Abgrenzung zu Data Science und Softwareentwicklung

Die drei Rollen überlappen, ihr Schwerpunkt unterscheidet sich aber.

KI-Engineering im Vergleich mit benachbarten Rollen
RolleSchwerpunktTypische Frage
Data ScienceDaten auswerten, Modelle entwickeln und bewertenWelches Verfahren löst die Aufgabe am besten?
KI-EngineeringModelle in Anwendungen einbauen und verlässlich betreibenLäuft das System auch morgen noch, und was kostet es?
SoftwareentwicklungAnwendungen, Oberflächen und Schnittstellen bauenWie bedienen Menschen das Programm, und wie greifen andere Systeme darauf zu?

Wie viel Arbeit im Betrieb steckt, haben Forschende um D. Sculley schon 2015 beschrieben. In ihrem Aufsatz über versteckte technische Schulden in Systemen für maschinelles Lernen schreiben sie, dass solche Systeme in der Praxis oft enorme laufende Wartungskosten verursachen⁠2. Als typische Risiken nennen sie unter anderem verwischte Grenzen zwischen Bausteinen, Verflechtungen, versteckte Rückkopplungen, nicht erfasste Nutzer eines Modells und Abhängigkeiten von Daten⁠2.

Ein Beispiel macht den Unterschied greifbar. Eine Data Scientist entwickelt ein Modell, das Kundenanfragen nach Thema sortiert, und zeigt in einer Auswertung, dass es zuverlässig arbeitet. Der KI-Ingenieur baut daraus einen Dienst, der rund um die Uhr Anfragen annimmt, bei Ausfall des Modells auf eine Regel zurückfällt, jede Einstufung protokolliert und Alarm schlägt, wenn die Trefferquote absinkt. Der Softwareentwickler sorgt dafür, dass die Mitarbeitenden die sortierten Anfragen in ihrem Programm sehen. Mit Sprachmodellen hat sich der Schwerpunkt weiter verschoben: In vielen Projekten trainiert niemand mehr ein eigenes Modell, KI-Ingenieure binden fertige Modelle ein, testen Anweisungen und bauen Anwendungen wie einen eigenen Chatbot oder ein RAG-System.

Der Betreiber dieses Blogs, SEO NW, bietet selbst KI- und GEO-Dienstleistungen an.

KI-Engineering studieren

Ein Studiengang mit genau diesem Namen ist der Bachelor "AI Engineering: Künstliche Intelligenz in den Ingenieurwissenschaften" in Sachsen-Anhalt. Ihn bieten fünf Hochschulen gemeinsam an, unter Führung der Otto-von-Guericke-Universität Magdeburg zusammen mit den Hochschulen Anhalt, Harz, Magdeburg-Stendal und Merseburg⁠4. Abschluss ist der Bachelor of Science nach sieben Semestern, Unterrichtssprache Deutsch, Beginn im Wintersemester⁠4.

Die ersten vier Semester verbringen die Studierenden in Magdeburg, danach spezialisieren sie sich an der Partnerhochschule ihres Fachgebiets⁠4. Zur Wahl stehen laut Universität Fertigung, Produktion und Logistik in Magdeburg, Biomechanik und Smart Health Technologies an der Hochschule Magdeburg-Stendal, mobile Systeme und Telematik an der Hochschule Harz, Agrarwirtschaft und Agrartechnik an der Hochschule Anhalt sowie Green Engineering in Merseburg⁠4.

Daneben gibt es viele Studiengänge mit anderen Namen und ähnlichem Inhalt, etwa "Künstliche Intelligenz", "Angewandte KI" oder "Data Science und KI". Aussagekräftig ist der Studienplan. Unabhängig vom Fach regelt jede Hochschule selbst, wie Studierende KI im Studium nutzen dürfen, etwa in Hausarbeiten.

Duales Studium

Duale Angebote verbinden Theorie und Praxis von Anfang an und bringen eine Vergütung. Die Hochschule Karlsruhe bietet "Künstliche Intelligenz in den Ingenieurwissenschaften" als praxisintegriertes duales Studium an, mit dem Abschluss Bachelor of Engineering nach sieben Semestern⁠5. Laut der Datenbank AusbildungPlus des Bundesinstituts für Berufsbildung liegt das Praxissemester im fünften Semester, die Bachelorarbeit im siebten, und in den Semesterferien arbeiten die Studierenden im Partnerunternehmen⁠5. Der Inhalt verbindet Elektro- und Informationstechnik sowie Maschinenbau und Mechatronik mit KI und betont KI als Werkzeug im Ingenieurwesen⁠5. Bewerben muss man sich zuerst bei einem Partnerunternehmen, danach bei der Hochschule⁠5.

An der Dualen Hochschule Baden-Württemberg in Mannheim gibt es die Studienrichtung Informatik mit Ausrichtung Künstliche Intelligenz⁠6. Sie dauert sechs Semester beziehungsweise drei Jahre, umfasst 210 ECTS-Punkte und endet mit dem Bachelor of Science; während des ganzen Studiums zahlt das Partnerunternehmen eine Vergütung⁠6. Auch hier läuft die Bewerbung direkt über die Partnerunternehmen⁠6.

Bei einem dualen Studium wählst du also neben der Hochschule auch einen Betrieb. Frag dort nach, an welchen KI-Projekten Studierende in den Praxisphasen mitarbeiten und wer sie betreut. Ein Partnerunternehmen ohne eigene KI-Projekte zahlt zwar die Vergütung, bietet aber wenig Praxis im eigentlichen Fach. Der Flyer der Hochschule nennt als Berufsbilder vor allem Data Scientist und Data Engineer, das Studium deckt also auch die Data-Science-Seite ab⁠6.

Junger Auszubildender mit Schutzbrille richtet in einer Fertigungshalle eine Kamera über einem Förderband mit Metallteilen aus, ein älterer Kollege schaut zu
Im dualen Studium wechseln Hörsaal und Partnerbetrieb einander ab. Bild: KI-generiert

Andere Wege in den Beruf

Auch Quereinsteigende aus Informatik, Mathematik, Physik oder Elektrotechnik können sich in KI einarbeiten. Für Quereinsteiger zählen nachweisbare Ergebnisse: ein Projekt, das ein Modell in eine laufende Anwendung bringt, mit Tests, Dokumentation und Überwachung. Kurse und Zertifikate können den Einstieg strukturieren, ein eigenes Projekt ersetzen sie nicht. Für den Einstieg von den Grundlagen an eignet sich der Lernpfad von den Grundlagen bis zur Anwendung.

Grundlagenwissen über die Verfahren selbst bleibt nötig, auch wenn der Schwerpunkt auf dem Betrieb liegt. Dazu gehört etwa zu wissen, warum ein Entscheidungsbaum bei Tabellendaten oft ein neuronales Netz schlägt. Wie KI andere Berufe verändert, ist eine eigene Frage, der Beitrag Welche Jobs ersetzt KI? geht ihr nach.

Woran du ein passendes Studium erkennst

Weil Hochschulen ähnliche Inhalte unter verschiedenen Namen anbieten, lohnt ein genauer Blick ins Modulhandbuch, das die Hochschulen veröffentlichen. Diese Fragen helfen beim Vergleich:

  1. Wie viel Programmierpraxis steckt im Plan, und in welchen Sprachen?
  2. Gibt es Module zu Datenbanken, Softwarearchitektur und Betrieb, oder endet das Studium beim Training von Modellen?
  3. Werden Testen, Sicherheit und Recht behandelt, etwa die europäische KI-Verordnung?
  4. Gibt es Projekte mit echten Daten oder mit Unternehmen?
  5. Verbindet der Studiengang KI mit einem Anwendungsfach, und passt dieses Fach zu deinen Interessen?

Was das für dich heißt

Wer KI-Engineering lernen will, braucht Programmierpraxis und Verständnis für Training und Betrieb von Modellen.

  1. Vergleich Studiengänge anhand ihrer Modulhandbücher.
  2. Bewirb dich für ein duales Studium zuerst bei einem Partnerunternehmen.
  3. Bau als Quereinsteiger ein kleines Projekt, das ein Modell mit Tests und Überwachung in Betrieb bringt.
  4. Lern die Grundlagen der Verfahren mit, auch wenn du später vor allem fertige Modelle einbindest.

Häufige Fragen

Was macht ein KI-Ingenieur?

Ein KI-Ingenieur bringt KI-Modelle in Anwendungen, die im Alltag verlässlich laufen. Dazu gehören Datenaufbereitung, die Anbindung von Modellen, Tests, Inbetriebnahme und die laufende Überwachung von Qualität und Kosten.

Kann man KI-Engineering dual studieren?

Ja. Duale Angebote mit KI-Schwerpunkt gibt es zum Beispiel an der Hochschule Karlsruhe und an der Dualen Hochschule Baden-Württemberg. Die Bewerbung läuft dort zuerst über ein Partnerunternehmen.

Brauche ich für KI-Engineering ein Studium?

Vorgeschrieben ist kein bestimmter Abschluss. Wer ohne Studium einsteigt, braucht nachweisbare Projekterfahrung.

Was ist der Unterschied zwischen KI-Engineering und Data Science?

Data Science entwickelt und bewertet Modelle, oft in einzelnen Analysen. KI-Engineering sorgt dafür, dass diese Modelle in Anwendungen dauerhaft, sicher und bezahlbar laufen.

Quellen

Stand:

  1. Carnegie Mellon University, Software Engineering Institute: Artificial Intelligence Engineering, abgerufen am 22.11.2026. zurück
  2. NeurIPS Proceedings: Sculley u. a.: Hidden Technical Debt in Machine Learning Systems, Stand 2015, abgerufen am 22.11.2026. zurück
  3. Google Cloud: MLOps: Continuous delivery and automation pipelines in machine learning, abgerufen am 22.11.2026. zurück
  4. Otto-von-Guericke-Universität Magdeburg: AI Engineering: Artificial Intelligence in Engineering, abgerufen am 22.11.2026. zurück
  5. Bundesinstitut für Berufsbildung, AusbildungPlus: Künstliche Intelligenz in den Ingenieurwissenschaften, B. Eng., StudiumPLUS Praxis (Hochschule Karlsruhe), abgerufen am 22.11.2026. zurück
  6. Duale Hochschule Baden-Württemberg Mannheim: Flyer Studienrichtung Informatik mit Ausrichtung Künstliche Intelligenz, Stand 03/2026, abgerufen am 22.11.2026. zurück

Weiterlesen

Bilder: KI-generiert

Aus dem Lexikon

Bilder: KI-generiert