Kampf um KI-Experten: Wie Unternehmen heute AI- und ML-Talente gewinnen

Die Strategie ist beschlossen, das Budget freigegeben, der erste Use Case ausgewählt. Dann vergehen Monate, und die Stelle für den Machine-Learning-Engineer ist noch immer offen. So beginnt bei vielen Unternehmen die Suche nach KI-Experten, und sie beginnt zu spät. Denn ob ein Pilotprojekt in der Schublade endet oder in den Betrieb geht, entscheiden heute Data Scientists und Machine-Learning-Ingenieure mit. Genau die Menschen fehlen, die aus Modellen Wert schaffen.

Der Wettbewerber ist dann selten die Firma zwei Straßen weiter. Es sind Hyperscaler, finanzstarke Startups und immer öfter Fachbereiche, die eigene Datenteams aufbauen. Aus einer Nische ist in wenigen Jahren eines der gefragtesten Kompetenzfelder geworden, und dafür braucht es mehr als einen spannenden Tech-Stack und eine gut formulierte IT-Stellenanzeige.

In diesem Beitrag zeigen wir Ihnen, wie sich der Markt für AI- und ML-Rollen entwickelt hat, was die Studien zu Gehältern und Nachfrage sagen und mit welchen Strategien Sie im Wettbewerb um KI-Experten bestehen können.

KI steckt inzwischen in den Kernprozessen, in der Entwicklung genauso wie im Kundenservice. Die Werkzeuge dafür können Sie kaufen, die Infrastruktur mieten. Was Sie nicht kaufen können, sind die KI-Experten, die damit umgehen, und deshalb werden KI-Experten zum strategischen Erfolgsfaktor für IT-Organisationen.

Wen genau Sie brauchen, hängt vom Vorhaben ab. Ein Prognosemodell für den Einkauf entwickelt ein Data Scientist notfalls allein, in den Betrieb bringt es ein Machine-Learning-Engineer. Bei einem Assistenten, der Serviceanfragen mit dem Wissen aus Ihren Tickets beantworten soll, sieht das anders aus. Dafür brauchen Sie LLM- und GenAI-Engineers, die ein RAG-System aufsetzen, Prompts und Kontext gestalten, das Modell nachjustieren und Ihnen am Monatsende sagen können, was der Assistent gekostet hat und ob er noch richtig antwortet. Laufen mehrere Modelle produktiv, kommen ein MLOps-Spezialist und ein AI-Architekt dazu. Wo diese Erfahrung fehlt, bleibt das Vorhaben erfahrungsgemäß im Experimentierstatus hängen.

Dazu kommt, dass ein KI-Experte heute selten allein im Data-Lab sitzt. Im Lenkungskreis trifft er auf das Produktmanagement, das wissen will, was das Modell für die Kennzahlen bedeutet, und auf einen Fachbereich, der fragt, wer haftet, wenn es danebenliegt. Beides sollte er beantworten können. Themen wie Erklärbarkeit, Bias-Management und Governance gehören zunehmend zum Tagesgeschäft, in Finance oder Healthcare sogar vorrangig, weil die EU-KI-Verordnung dort Hochrisiko-Systeme regelt.

Mehr als 1.000 große Arbeitgeber mit zusammen über 14 Millionen Beschäftigten in 22 Branchen hat das World Economic Forum für den „Future of Jobs Report 2025“ befragt. AI- und Machine-Learning-Spezialisten stehen dort neben Big-Data-Spezialisten und Fintech Engineers ganz oben bei den Berufen mit dem stärksten Nachfragewachstum bis 2030. Der Report rechnet außerdem vor, dass technologische Entwicklung, grüne Transformation und Demografie rund 170 Millionen neue Jobs entstehen lassen, während etwa 92 Millionen Stellen wegfallen. Es bleibt ein Nettozuwachs von 78 Millionen Arbeitsplätzen, und technologiegetriebene Rollen haben daran einen überdurchschnittlichen Anteil.

Ob Sie einen GenAI-Assistenten im Kundenservice planen oder Prognosen für die Supply Chain, der Nutzen entsteht erst, wenn die passenden KI-Experten an Bord sind. Und wenn Sie ihnen den Freiraum lassen, etwas zu bauen, das auch in zwei Jahren noch läuft.

Wie angespannt der Markt ist, können Sie an drei Größen ablesen: an der Nachfrage, an den Gehältern und an der Zahl verfügbarer Profile. Kaum ein Kompetenzfeld wächst so schnell, während die Zahl erfahrener KI-Experten begrenzt bleibt und sich der IT-Fachkräftemangel weiter verschärft. Arbeitsmarktanalysen von Lightcast, Brookings, dem World Economic Forum und PwC zeigen dasselbe Bild. Es beschränkt sich nicht auf die Tech-Branche.

Wenn Sie ein KI-Team aufbauen oder erweitern wollen, lohnt sich deshalb ein Blick in die Daten, bevor Sie die erste Stelle ausschreiben. Die Studien sind sich einig: Die Nachfrage nach AI- und GenAI-Skills steigt rasant, solche Fähigkeiten werden mit Gehaltsprämien vergütet, und die Talentlücke dürfte sich mittelfristig eher vergrößern als schließen.

Wie schnell das ging, zeigt eine einzelne Zahl. Die Stellenanzeigen mit ausdrücklichem GenAI-Bezug sind laut Lightcast von nur 55 im Januar 2021 auf nahezu 10.000 bis Mai 2025 angestiegen. Aus einem Nischenthema ist in gut vier Jahren ein eigenes Segment des Arbeitsmarktes geworden, und die Profile, die Sie suchen, tauchen heute in viel mehr Zusammenhängen auf als noch vor wenigen Jahren.

Breiter geworden ist das Feld auch. Eine Brookings-Auswertung auf Basis von Lightcast-Daten zeigt, dass die Zahl AI-spezifischer Stellenanzeigen in den USA von 3.780 im Jahr 2010 auf rund 83.000 im Jahr 2025 gestiegen ist. Diese Stellen sitzen längst nicht mehr nur in klassischen Tech-Rollen; auch im Produktmanagement und in der Beratung wird KI-Kompetenz verlangt. Für Sie heißt das: Ihre Wettbewerber um dieselben Köpfe sitzen auch dort, wo Sie sie nicht vermuten.

Der Future of Jobs Report führt Big-Data-Spezialisten, Fintech Engineers sowie AI- und Machine-Learning-Spezialisten unter den drei am schnellsten wachsenden Berufen bis 2030, und 86 Prozent der befragten Unternehmen rechnen damit, dass AI- und Information-Processing-Technologien ihr Geschäftsmodell bis zum Ende des Jahrzehnts grundlegend verändern. Um dieselben KI-Experten bewerben sich deshalb auch Finanzdienstleister und Kliniken, Industriebetriebe und Beratungen.

Dazu kommt eine Verschiebung im Skillprofil, die Sie in Ihren Anforderungsprofilen berücksichtigen sollten. AI-Kenntnisse treten zunehmend als Ergänzung zu bestehenden Rollen auf, etwa bei Softwareentwicklern oder Produktmanagern. PwC hat für sein AI Jobs Barometer über eine halbe Milliarde Stellenanzeigen aus 15 Ländern ausgewertet und findet KI-bezogene Fähigkeiten in immer mehr Jobprofilen, mit messbarer Effizienzsteigerung vor allem in hochqualifizierten Tätigkeiten. Für KI-Profis entstehen dadurch neue Karrierewege.

Mit der Nachfrage steigen die Gehälter, und zwar messbar. Im Durchschnitt rund 28 Prozent höhere Gehälter weisen Stellenanzeigen aus, in denen mindestens eine AI-Kompetenz genannt wird; das sind etwa 18.000 US-Dollar mehr im Jahr als bei vergleichbaren Rollen ohne AI-Skills, ermittelt in der Lightcast-Analyse „Beyond the Buzz“ auf Basis von über 1,3 Milliarden Jobanzeigen.

Beachten sollten Sie, wo dieser Aufschlag gezahlt wird. Ein erheblicher Teil der Anzeigen mit AI-Bezug stammt aus Vertrieb, Marketing oder Finance. Die Konkurrenz um KI-Profis sitzt also auch in Fachbereichen, die eigene AI-Teams aufbauen und dafür ähnlich attraktive Pakete schnüren.

Weltweit übersteigt die Zahl offener Stellen die Zahl qualifizierter KI-Profis deutlich. Zusammenstellungen zu AI-Talent-Statistiken sprechen von mehreren offenen Positionen je geeigneter Fachkraft und in Summe von einer weltweiten Lücke von deutlich über einer Million AI- und ML-Rollen, die sich nicht zeitnah besetzen lassen. Was das für Sie bedeutet, kennen Sie vermutlich schon: eine längere Time-to-Hire, verschobene Projekttermine und im schlimmsten Fall eine KI-Initiative, die gar nicht erst startet.

Ausbildungssysteme und interne Weiterbildungsprogramme kommen dabei kaum hinterher. Sie sollten sich deshalb darauf einstellen, dass eine faire Bezahlung allein nicht ausreicht, auch wenn sie wichtig bleibt. KI-Profis treten selbstbewusst auf, halten meist mehrere Angebote gleichzeitig in der Hand und schauen genau hin, was Sie ihnen an Aufgabe und Perspektive bieten.

KI-Experten können sich aussuchen, wohin sie gehen: Big Tech oder Unicorn, Hyperscaler oder spezialisiertes IT-Unternehmen. Wenn Sie zu den Letzteren gehören, konkurrieren Sie mit Marken, die jeder kennt, und mit Vergütungspaketen, die Sie so nicht bieten können. Das ist kein Grund aufzugeben, aber ein Grund, anders anzutreten.

Große Tech-Konzerne punkten mit Reichweite und Ressourcen: hohe Gehälter, dazu internationale Rotationsprogramme und der Zugang zu sehr großen Datenmengen. Für viele KI-Profis kommt der Reiz hinzu, an einem Produkt zu arbeiten, das weltweit sichtbar ist, mit eigenen Forschungsteams im Rücken.

Auf der anderen Seite steht ein Wunsch, den viele KI-Experten uns in Gesprächen ausdrücklich nennen: mehr Einfluss auf Produkt und Architektur. Genau dort können Sie als spezialisiertes IT-Unternehmen oder digitaler Mittelständler ansetzen. Wer bei Ihnen einen Use Case von Anfang bis Ende verantwortet, wartet nicht sechs Monate auf eine Gremienentscheidung. Kürzere Entscheidungswege, direkte Zusammenarbeit mit Geschäftsführung oder Fachbereichen, das wiegt für viele mehr als das Logo auf der Visitenkarte.

Der zweite Unterschied ist der Platz, den KI bei Ihnen hat. Ein Budget, das über Jahre steht, und eine Datenstrategie, die den Namen verdient, überzeugen gefragte KI-Experten mehr als jede Arbeitgebermarke. Wenn Sie Autonomie und echten Einfluss auf die Roadmap bieten können, sollten Sie das im Recruiting auch sagen.

Mit einer Stellenanzeige und der üblichen Personalsuche werden Sie an KI-Experten kaum herankommen. In einem so angespannten Markt entscheidet neben dem Tempo das Gesamtpaket aus Aufgabe und Vergütung, besonders wenn Sie High Performer ansprechen wollen. Was wir bei erfolgreichen Mandanten sehen, ist immer dieselbe Kombination: ein marktfähiges Angebot und eine schnelle, persönliche Ansprache.

Die Gehaltsprämie ist belegt, und KI-Experten kennen sie. Sie erwarten Angebote, die sich klar im oberen Marktdrittel bewegen. Schauen Sie deshalb zuerst in Ihre Gehaltsbänder. Oft ist dort für einen Senior Data Scientist schlicht kein Platz, weil die Bänder aus einer Zeit stammen, in der es die Rolle noch nicht gab. Ein variabler Anteil oder ein Beteiligungsmodell kann die Lücke schließen, bei erfahrenen ML Engineers auch virtuelle Anteile oder eine Gewinnbeteiligung. Wo die Spannen heute liegen, zeigt unsere Gehaltsstudie IT & Engineering.

Das Geld allein entscheidet selten. Im zweiten Gespräch fragt ein guter KI-Experte, welche Daten er bekommt, wie die Toolchain aussieht und ob Sie Konferenzen und Weiterbildung bezahlen. Spätestens im dritten will er wissen, wie es für ihn weitergeht. Wenn Sie einen Weg von der Expertenrolle zur Architekturverantwortung oder an die Spitze eines AI-Teams zeigen können, wird Ihr Angebot deutlich attraktiver.

Die meisten erfahrenen KI-Experten sind nicht aktiv auf Jobsuche. Sie finden sie dort, wo sie sich fachlich austauschen, etwa in Open-Source-Projekten oder in der Diskussion nach einem Konferenzvortrag. Wer dort anspricht, sollte das Projekt der Person kennen und im ersten Satz sagen, warum gerade sie. Standardnachrichten werden in diesem Umfeld ungelesen gelöscht, das erleben wir in jedem Mandat.

Langfristig zahlt sich eine Pipeline aus, die vor dem Berufseinstieg beginnt. Wer eine Masterarbeit betreut oder einmal im Semester an der Hochschule vorträgt, kennt die KI-Experten von morgen, bevor sie auf dem Markt sind. Ein gesponserter Hackathon leistet dasselbe. Und wenn Remote- oder Hybridarbeit bei Ihnen normal ist, können Sie auch jenseits der Region suchen.

Solange die Lücke weltweit so groß bleibt, wird interne Weiterentwicklung zu einem zentralen Bestandteil jeder KI-Talentstrategie. Sehen Sie sich Ihre eigenen Reihen an. Der Data Engineer, der seit Jahren Ihre Pipelines pflegt, ist von einem ML Engineer oft weniger weit entfernt, als sein Titel vermuten lässt. Ähnliches gilt für Softwareentwickler, die mit Daten und Algorithmen umgehen können. Aus beiden Gruppen lassen sich mit einem strukturierten Programm eigene KI-Experten entwickeln.

Wie das Programm heißt, ist zweitrangig. Eine interne AI-Akademie kann es sein, ein Lernpfad mit betreuten Praxisprojekten oder eine Rotation zwischen klassischen IT-Teams und AI-Initiativen. Entscheidend ist, dass die Lernzeit im Kalender steht und beim ersten Projektengpass nicht gestrichen wird. Wer sieht, dass er bei Ihnen in Richtung AI- und ML-Rollen wachsen kann, bleibt eher. Und Sie hängen weniger am externen Markt.

Im engen Markt entscheidet häufig nicht nur das Angebot, sondern der Weg dorthin. Ein gefragter KI-Experte führt gerade drei Prozesse parallel und merkt sich genau, wo man ihn hat warten lassen. Ihre Candidate Experience ist damit ein Unterscheidungsmerkmal, und sie prägt die Employee Experience vom ersten Kontakt an.

Wesentlich ist ein klar strukturierter, schlanker Prozess. Wenn sich Ihre Gespräche über Wochen ziehen oder immer neue Stufen hinzukommen, springen gefragte KI-Experten ab. Bewährt haben sich wenige, gut begründete Schritte: ein fachliches Erstgespräch, dann ein technisches Interview oder eine Case-Study, bei Bedarf noch ein Gespräch zur Kultur. Sagen Sie den Kandidaten von Anfang an, was kommt und bis wann Sie entscheiden.

Bei der fachlichen Bewertung sollten Sie auf praxisnahe Formate setzen. Abstrakte Rätsel und Multiple-Choice-Tests kommen bei KI-Profis schlecht an. Gefragt sind Aufgaben aus dem Alltag, etwa der Entwurf eines Machine-Learning-Systems oder ein Architektur-Review. Pair-Programming oder eine Whiteboard-Session mit den künftigen Kollegen zeigt beiden Seiten, wie die Zusammenarbeit laufen würde.

Sagen Sie außerdem klar, was die Rolle ist und was nicht. Darf der Kandidat das Modell selbst wählen, oder ist die Architektur gesetzt? Wie eng arbeitet das Team mit Produktmanagement und Fachbereichen zusammen, und welche Daten liegen tatsächlich vor? Auch eine ehrliche Auskunft über Teamgröße und Tech-Stack schafft Vertrauen, selbst wenn beides kleiner ist als beim Hyperscaler.

Schließlich spielt das Tempo eine zentrale Rolle. Ein gutes Gespräch am Dienstag und zwei Wochen Funkstille danach, mehr braucht es nicht, damit ein KI-Experte beim schnelleren Wettbewerber unterschreibt. Melden Sie sich innerhalb weniger Tage, und halten Sie das Vertragsangebot vorbereitet, sobald Sie sich einig sind. In einer Community dieser Größe spricht sich beides herum, das Gute wie das Schlechte.

Ohne ein leistungsfähiges KI-Team bleibt Ihre AI-Roadmap Papier. Die Datenlage dazu ist eindeutig, und nichts spricht dafür, dass der Markt in den nächsten Jahren leichter wird. Nebenbei rekrutieren lässt sich diese Zielgruppe nicht. Sie benötigen eine klare, datenbasierte Talentstrategie, und Sie sollten sie haben, bevor die erste Stelle offen ist.

Erfolgreich sind aus unserer Erfahrung die Unternehmen, die an mehreren Stellen gleichzeitig ansetzen. Das Vergütungspaket muss marktfähig sein, sonst kommt niemand ins Gespräch. Danach zählt, ob Sie gegenüber den Tech-Giganten etwas Eigenes anbieten können, etwa die Verantwortung für ein Produkt von Anfang bis Ende. Wer zusätzlich Active Sourcing in den relevanten Netzwerken betreibt, die eigenen Leute zu KI-Experten weiterentwickelt und im Auswahlprozess schnell entscheidet, braucht den externen Markt seltener.

Wenn Sie den Wettbewerb um KI-Experten nicht dem Zufall überlassen möchten, unterstützt Sie TechMinds als spezialisierte Recruiting-⁠Boutique für Tech und IT. Vor dem Suchstart sagen wir Ihnen, wie der Kandidatenmarkt für Ihre Rolle aussieht und ob Ihr Gehaltsband trägt. Danach sprechen wir die Zielgruppe über das eigene Netzwerk und die diskrete Direktansprache an, mit einer durchschnittlichen Besetzungszeit von 76 Tagen über alle Mandate hinweg. Was die einzelnen Rollen ausmacht, steht in unseren Jobprofilen zum AI Engineer und zum Machine Learning Engineer.