Informatik
die standardmäßige, direkteste RouteBietet die Algorithmen, Systeme und, an den meisten Universitäten, spezielle Kurse zum maschinellen Lernen, die die technische Grundlage für fast jedes KI-Forschungsgebiet bilden.
Es gibt keine Lizenz zur Ausübung der KI-Forschung und kein Fachgremium entscheidet darüber, wer sich Forscher nennen darf. Das eigentliche Gatekeeping des Fachgebiets erfolgt später und weniger formell bei der Begutachtung durch Fachkollegen – unabhängig davon, ob NeurIPS, ICML oder ICLR eine Arbeit annehmen – weshalb ein Doktortitel zwar nicht gesetzlich vorgeschrieben ist, aber nach wie vor der Weg ist, den fast jeder einschlägt.
Diese Informalität hat jedoch nicht verhindert, dass sich in der Praxis eine ziemlich starre Pipeline herausbildet: Eine kleine Anzahl von Universitäten und Industrielabors produziert einen überproportionalen Anteil der meistzitierten Arbeiten auf diesem Gebiet, und der frühe Einstieg in eine solche Branche prägt die Karriere immer noch mehr als fast jede einzelne spätere Entscheidung.
Der Weg hinein
-
1
Bachelor-Stiftungen
3–4 JahreEin Abschluss mit Schwerpunkt auf Mathematik, Statistik, Informatik und zunehmend auch Kursen im maschinellen Lernen selbst, neben frühen Forschungsassistenzen im Labor eines Professors.
Der FilterZulassung zur Universität und Zugang zu einem Labor, das bereit ist, einen Studenten aufzunehmen.
-
2
Master- oder Forschungsrolle
1–2 JahreViele beginnen direkt mit der Promotion; Ein wachsender Anteil verbringt stattdessen ein oder zwei Jahre als Forschungsingenieur oder Masterstudent und baut vor der Bewerbung eine Publikationsliste auf.
Der FilterZulassung für Hochschulabsolventen oder Einstellung eines Rechtsanwalts in einem Labor, das bereit ist, gemeinsam mit einem Nachwuchsforscher zu verfassen.
-
3
Doktortitel
5–6 JahreJahrelange Kursarbeit, gefolgt von unabhängiger Forschung unter der Leitung eines Beraters, die mit einer Dissertation endete, die vor einem Ausschuss verteidigt wurde.
Der FilterEine Eignungsprüfung und die Suche nach einem Berater mit finanziellen Mitteln und Interesse an Ihrer Einstellung.
-
4
Erstellen eines Veröffentlichungsdatensatzes
3–5 Jahre (im Rahmen der Promotion)An den Hochschulen NeurIPS, ICML oder ICLR angenommene Arbeiten gelten als echte Währung des Fachgebiets und sind für zukünftige Arbeitgeber wichtiger als der Name der Universität auf dem Diplom.
Der FilterPeer-Review an einem erstklassigen Veranstaltungsort – das, was in diesem Bereich einer Lizenzprüfung am nächsten kommt.
-
5
Postdoc oder erste wissenschaftliche Tätigkeit
1–3 JahreEinige setzen ihre akademische Laufbahn mit einer Postdoktorandenstelle fort; Die meisten wechseln jetzt direkt in die Forschungsorganisation eines Industrielabors.
Der FilterEin mehrstufiger Interviewprozess in einem Labor oder ein Postdoktorandenangebot eines bestimmten Forschungsleiters.
-
6
Unabhängiger Forscher oder Laborleiter
5+ JahreLegt eine unabhängige Forschungsagenda fest, betreut Nachwuchsforscher oder Doktoranden und wird anhand der Richtung des Fachgebiets beurteilt, die ihre Arbeit beeinflusst hat, und nicht anhand einer einzelnen Arbeit.
Der FilterAmtszeit- und Beförderungsausschüsse im akademischen Bereich; nachhaltige Wirkung und interne Förderung in der Industrie.
PhD in KI/ML (USA, finanzierter Weg)
0–40.000 $
Die meisten US-amerikanischen Doktorandenprogramme in Informatik oder maschinellem Lernen finanzieren Studenten durch ein Stipendium in Kombination mit Lehr- oder Forschungsassistententätigkeiten – üblicherweise 35.000 bis 48.000 US-Dollar pro Jahr – sodass die direkten Studiengebühren oft nahe Null liegen; Die höheren Kosten sind fünf bis sechs Jahre geringerer Verdienst im Vergleich zu einem Job in der Industrie. Ein zunächst erworbener Master-Abschluss, der häufig als Sprungbrett gilt, kann die Studiengebühren um 40.000 bis 100.000 US-Dollar erhöhen, und PhD-Programme außerhalb der USA sind sehr unterschiedlich – bei vielen europäischen Doktoranden handelt es sich um bezahlte Forschungsstellen und nicht um studiengebührenpflichtige Abschlüsse.
Was man studiert
Mathematik oder Statistik
für die Theorie hinter den ModellenLineare Algebra, Wahrscheinlichkeit und Optimierung sind die Sprache, in der modernes maschinelles Lernen geschrieben ist. Forscher, die verstehen, warum eine Methode funktioniert und nicht nur, wie sie ausgeführt wird, kommen oft von hier.
Physik
ein ungewöhnlich häufiger Feeder in die KI-ForschungPhysiker bringen ein starkes Gespür für Optimierung, statistische Mechanik und hochdimensionale Systeme mit; John Hopfield, der von der Physik zum Aufbau eines frühen neuronalen Netzwerkmodells überging, erhielt dafür 2024 den Nobelpreis für Physik.
Kognitionswissenschaft oder Neurowissenschaft
für die biologische Inspiration hinter den ModellenNeuronale Netze wurden nach biologischen Neuronen benannt und sind lose von ihnen inspiriert; Forscher mit diesem Hintergrund arbeiten oft an der Grenze zwischen maschinellem Lernen und der Art und Weise, wie Gehirne tatsächlich lernen.
Elektrotechnik
für hardwarebewusste und signalverarbeitende ArbeitenNützlich für Forscher, die in der Nähe der Hardware arbeiten. Trainingsläufe hängen von den Signalverarbeitungsgrundlagen hinter Sprach- und Audiomodellen ab.
Wo es am besten gelehrt wird
Stanford-Universität
Vereinigte StaatenHeimat des ImageNet-Projekts von Fei-Fei Li und des Stanford Institute for Human-Centered AI; eine der am häufigsten zitierten Abteilungen der Branche.
Universität von Toronto
KanadaJahrzehntelang war es die akademische Heimat von Geoffrey Hinton und der Geburtsort des AlexNet-Teams, das das Feld 2012 neu ins Leben rief.
Universität Montréal / Mila
KanadaRund um Yoshua Bengios Labor herum wurde eine der weltweit größten Einzelkonzentrationen von Deep-Learning-Forschern errichtet.
Universität Cambridge
Vereinigtes KönigreichEine starke Tradition des maschinellen Lernens und der theoretischen Informatik, die direkt in das nahe gelegene Google DeepMind und die breitere KI-Forschungsbasis Großbritanniens einfließt.
Tsinghua-Universität
ChinaZählt regelmäßig zu den weltweit führenden Informatikabteilungen nach Veröffentlichungsvolumen und versorgt Chinas größte KI-Labore direkt mit Lebensmitteln.
ETH Zürich
SchweizEin führendes europäisches Forschungszentrum für maschinelles Lernen und Robotik mit engen Verbindungen zu den Zürcher Forschungsbüros von Google und Meta.
Technion – Israelisches Institut für Technologie
IsraelVerankert Israels dichtes KI-Forschungs- und Startup-Ökosystem neben Unternehmensforschungslaboren, die in der Nähe von Google, Meta und Intel eröffnet wurden.
Nationale Universität Singapur
SingapurEin schnell wachsendes Forschungsprogramm für maschinelles Lernen und ein regionales Zentrum für die wachsenden KI-Forschungsinvestitionen Südostasiens.
Lizenzen und Prüfungen
Doktortitel in Informatik, maschinellem Lernen oder einem verwandten Bereich
GlobalDie De-facto-Berechtigung des Fachgebiets; Ohne Lizenzierungsbehörde sind eine abgeschlossene Dissertation und die Unterstützung eines Beraters das, was die KI-Forschung einer Zertifizierung am nächsten kommt.
Von Experten begutachtete Veröffentlichungen bei NeurIPS, ICML oder ICLR
GlobalKein formeller Abschluss, aber der tatsächliche Gatekeeping-Mechanismus der Einstellungsausschüsse wiegt am meisten – eine gute Bilanz an diesen Standorten überwiegt in der Regel jedes Zertifikat oder den Namen der Universität.
ACM- oder AAAI-Fellow
Global (Organisationen mit Sitz in den USA)Ein beruflicher Anerkennungsstatus und keine Zugangsvoraussetzung, der von der Association for Computing Machinery oder der Association for the Advancement of Artificial Intelligence für eine nachhaltige Reihe einflussreicher Arbeit verliehen wird.
CITI-Zertifizierung für Human-Subjekt-Forschung
Vereinigte Staaten (Äquivalente sind andernorts erforderlich)Wird von den meisten Ethikkommissionen der Universitäten verlangt, bevor ein Forscher eine Studie mit menschlichen Teilnehmern oder deren Daten durchführen kann – relevant für KI-Forscher, die Studien zur Bewertung von Menschen, Benutzerstudien oder Crowdsourcing-Labeling durchführen.
Der andere Weg hinein
Residenzprogramme für Branchen-KI
Programme wie die Google AI Residency akzeptieren starke Ingenieure oder Wissenschaftler ohne Doktortitel für ein ein- bis zweijähriges betreutes Forschungspraktikum und produzieren manchmal gemeinsam verfasste Arbeiten, die einen Doktortitel im Lebenslauf ersetzen.
Open-Source- und Preprint-Route
Eine kleinere Anzahl von Forschern baut sich einen öffentlichen Ruf durch weit verbreiteten Open-Source-Code für maschinelles Lernen oder vielzitierte arXiv-Preprints auf und erreicht gelegentlich Forschungspositionen in Laboren, die Mitarbeiter aufgrund nachgewiesener Fähigkeiten und nicht aufgrund von Referenzen einstellen.
Ähnliche Berufe
Die nächsten Nachbarn im Sechs-Werte-Profil — nicht nur im selben Feld.
🔌
Halbleiteringenieur/in
Entwirft und fertigt die Transistoren in jedem Computer, Telefon und jeder Waffe — mit Maschinen, die so präzise sind, dass sie nur wenige Fabriken der Welt betreiben können.
KI-resistent 60 📦MLOps-Ingenieur/in
Baut die Systeme, die Machine-Learning-Modelle in der Produktion trainieren, bereitstellen, überwachen und regeln.
KI-resistent 54 🩺Arzt/Ärztin für Innere Medizin
Diagnostiziert Krankheiten und begleitet Gesundheit über Jahre hinweg durch Untersuchung und Beweise, nicht eine einzelne Operation — der Generalist und langfristige Wegbegleiter der Medizin.
KI-resistent 67 🧠Psychiater/in
Diagnostiziert und behandelt psychische Erkrankungen mit Medikamenten und Therapie – eine der wenigen medizinischen Fachrichtungen mit der gesetzlichen Befugnis, Patienten in der Krise gegen ihren Willen unterzubringen.
KI-resistent 73 👔Rechtsanwalt
Berät Mandanten, verfasst die Dokumente, die sie binden, und vertritt ihren Fall vor Gericht — und haftet dabei persönlich, wenn der Rat falsch war.
KI-resistent 58 🔐IT-Sicherheitsspezialist/in
Schützt Systeme, Daten und Menschen, indem digitale Angriffe erkannt, verhindert und abgewehrt werden.
KI-resistent 63Weiter entdecken
Weiter entdecken
Mehr in Ingenieurwesen & Technik
💻
Softwareentwickler/in
Schreibt, testet und wartet den Code, der das moderne Leben antreibt — und beobachtet als einer der ersten Berufe, wie KI seine eigene tägliche Arbeit automatisiert.
KI-resistent 35 🛰️Luft- und Raumfahrtingenieur
Entwirft, analysiert und zertifiziert die Flugzeuge, Raketen und Raumfahrzeuge, die den Boden verlassen, und arbeitet dabei mit Sicherheitsmargen, die keinen Raum für Vermutungen lassen.
KI-resistent 74 🌉Bauingenieur
Der Beruf, der Flüsse, Felsen und Schwerkraft in Brücken, Straßen und sauberes Wasser verwandelt – seit Imhotep das stille tragende Gewerbe der Zivilisation.
KI-resistent 72 🔌Halbleiteringenieur/in
Entwirft und fertigt die Transistoren in jedem Computer, Telefon und jeder Waffe — mit Maschinen, die so präzise sind, dass sie nur wenige Fabriken der Welt betreiben können.
KI-resistent 60 🦾Robotikingenieur/in
Entwirft die Maschinen, die die physische Welt wahrnehmen, entscheiden und in ihr handeln — das schwere Problem war nie Intelligenz, sondern die Welt selbst.
KI-resistent 65 🔐IT-Sicherheitsspezialist/in
Schützt Systeme, Daten und Menschen, indem digitale Angriffe erkannt, verhindert und abgewehrt werden.
KI-resistent 63 📦MLOps-Ingenieur/in
Baut die Systeme, die Machine-Learning-Modelle in der Produktion trainieren, bereitstellen, überwachen und regeln.
KI-resistent 54 🌬️Ingenieur/in für erneuerbare Energien
Entwirft, baut und verbessert Wind-, Solar-, Speicher- und Netzsysteme, die erneuerbare Ressourcen in verlässlichen Strom verwandeln.
KI-resistent 72