remotefruitFilter
Remote-RegionAlle
ErfahrungAlle
VeröffentlichungAlle
Leitende Fachkraft für angewandte Forschung zu KI-Suche und Markenintelligenz
Die Rolle baut die Forschung zu KI-Suchoptimierung und Markenintelligenz für generative KI auf und verantwortet den Weg von der Hypothese bis zur produktiv umgesetzten Funktion. Der Schwerpunkt liegt nicht auf klassischer SEO oder klassischer Data Science. Etwa 45 % entfallen auf eigene Forschung und Modellierung, etwa 45 % auf technische und Projektleitung sowie etwa 10 % auf die tägliche Führung von 1–2 Personen. Aktuell gehört ein ML Engineer zum Team; die Einstellung einer zweiten Person wird mitgestaltet. Gemeinsam mit SEO/GEO-Fachleuten, Product, Engineering, Marketing und Führung werden Erkenntnisse in Produktfunktionen, Forschung und GEO-Best-Practices überführt. Erfolg bemisst sich an der Zeit bis zur dokumentierten Erkenntnis, deren praktischer Verwertbarkeit und Übernahme in Produktplanung oder GEO-Praxis, selbstständiger Datenanalyse sowie der Zahl durchgeführter und praktisch bestätigter Experimente und Hypothesen.
Information Retrieval
Information Retrieval · erforderlichGefordert ist tiefgehende praktische Expertise in Ranking und Information Retrieval mit Learning-to-Rank, NDCG/precision@K und LambdaRank/LambdaMART als Grundlage zur Untersuchung der Markensichtbarkeit in generativer KI.
+5
- Englisch · erforderlich
Erforderlich ist Englisch auf Niveau B2+, um komplexe Ergebnisse in derselben Besprechung einer Marketingfachkraft und einem skeptischen Engineer zu erklären.
- LLM-Evaluation · erforderlich
Erforderlich ist Erfahrung mit LLM-as-Judge oder Agentenevaluation.
- Modellvalidierung · erforderlich
Gefordert sind rigorose Modellevaluation und Validierung mit Leakage-Erkennung, zeitlicher beziehungsweise Out-of-Time-Validierung und geschäftsbezogener Metrikauswahl.
- Spaltenorientiertes OLAP
Die Arbeit erfolgt direkt in ClickHouse oder einem vergleichbaren spaltenorientierten OLAP-System mit SERP-, Backlink-, Content-, Audit-, GA- und GSC-Daten im Umfang von Hunderten Millionen Zeilen auf gemeinsam mit dem Produkt genutzter Infrastruktur.
- KI-Suchmessung · von Vorteil
Wünschenswert ist Vertrautheit mit AI Visibility, Share of Prompt und Share of Model als Messkonzepten für KI-Suche.
- Englisch · erforderlich
- Gehalt
- Bedingter Berufsvergleich: 64.956 – 95.628 € brutto / Jahr Annahme: Vollzeit-Anstellung in Deutschland. Ob diese Bedingungen für die Stelle gelten, ist nicht vollständig belegt. Die Spanne zeigt das 25. bis 75. Perzentil der Bruttoentgelte sozialversicherungspflichtiger Vollzeitbeschäftigter in der zugeordneten Berufs- und Anforderungsgruppe in Deutschland, einschließlich Sonderzahlungen. Die Berufszuordnung erfolgt durch RemoteFruit. Datenquelle: BA/Entgeltatlas 2025. Monatswerte × 12. Keine Prognose des konkreten Stellengehalts und keine Gehaltszusage des Unternehmens. BA/Entgeltatlas 2025 · Annahme: Vollzeit-Anstellung in DE · mittlere 50 % · inkl. Sonderzahlungen Zuordnung berechnet am: 01.11.2026.
- Umfang
- Vollzeit
- Erfahrung
- Lead
Deine Aufgaben
- In den ersten 90 Tagen entsteht mit SEO/GEO-Fachleuten und Engineering eine wiederholbare Experimentpipeline von Hypothese und Datenumfang über Design und Durchführung bis zu Erkenntnis und Entscheidung. Die Rolle führt die ersten 3–4 Experimente durch und definiert mit Product mögliche Funktionen für die KI-Sichtbarkeit.
- In den ersten 90 Tagen entwickelt die Rolle Stichprobenverfahren für KI-Antworten über Themen, Suchabsichten und Regionen hinweg unter Berücksichtigung von Varianz, Bias und Repräsentativität. Sie etabliert ein zeitlich vergleichbares Bewertungsframework für LLM-Ausgaben, Prompts und Modellverhalten.
- Die Rolle nutzt LLMs einschließlich Open-Weight-Modellen über Batch-APIs als Merkmalsextraktoren und Bewertungsinstanzen. Dazu gehören die Extraktion von Entitäten, Sentiment und Positionierung, Promptbewertungen auf Holdout-Daten, kostenbewusste Batch-Inferenz sowie agentische Pipelines mit Werkzeugnutzung.
- Die Rolle verantwortet Standards für Modellevaluation und Validierung mit Leakage-Erkennung, zeitlicher beziehungsweise Out-of-Time-Validierung und geschäftsbezogenen Metriken. Sie entwickelt Prognose- und Rankingmodelle mit LightGBM/CatBoost und Learning-to-Rank samt NDCG und precision@K für Markensichtbarkeit, Erwähnungswahrscheinlichkeit sowie Traffic und Impressionen in KI-Suche und SEO.
- Die Rolle entwickelt Klassifikations-, Clustering- und Repräsentationsmodelle mit Embeddings und approximativen nächsten Nachbarn, um Markenwahrnehmung und Positionierung durch KI abzubilden. Sie analysiert SERP-, Backlink-, Content-, Audit-, GA- und GSC-Daten mit Hunderten Millionen Zeilen direkt in ClickHouse oder einem vergleichbaren spaltenorientierten OLAP-System auf gemeinsam mit dem Produkt genutzter Infrastruktur.
- Die Rolle gewinnt Hypothesen aus dem Unternehmen, dem Markt und eigenen Datenanalysen. Sie priorisiert und zerlegt diese in einem Backlog mit klarem Ausführungszyklus und überprüft die Methodik.
- Die Rolle führt und unterstützt im Alltag 1–2 Teammitglieder, setzt die technische Richtung, führt Einzelgespräche, beseitigt Blockaden und delegiert sinnvoll. Sie betreut ML Engineers fachlich, prüft Methoden und wirkt an Einstellungsentscheidungen mit.
- Mit Product, Engineering, Marketing und Führung überführt die Rolle Erkenntnisse in Produktfunktionen, veröffentlichte Forschung und GEO-Best-Practices. Bei Interesse besteht die Möglichkeit, die Arbeit in Konferenzvorträgen und Forschungspublikationen zu vertreten.
Das solltest du mitbringen
Gefordert sind 5–6+ Jahre in Data Science oder Applied Science mit Erfolgen von unklaren Forschungsfragen bis zu umgesetzten Entscheidungen sowie Erfahrung mit LLM-as-Judge oder Agentenevaluation.
Erforderlich10 Punkte
- Erforderlich sind 5–6+ Jahre in Data Science oder Applied Science und nachgewiesene Erfolge darin, unklare Forschungsprobleme von der Hypothese bis zu einer umgesetzten Entscheidung zu führen.
- Erforderlich ist tiefgehende praktische Expertise in Ranking und Information Retrieval, einschließlich Learning-to-Rank, NDCG/precision@K und LambdaRank/LambdaMART, zur Untersuchung der Markensichtbarkeit in generativer KI.
- Erforderlich ist starke aktuelle GenAI-/LLM-Expertise zur Analyse: Prompting und Bewertung kommerzieller APIs sowie Open-Weight-Modelle, etwa Llama, Mistral und Qwen für eigene Infrastruktur. Hinzu kommen Erfahrung mit LLM-as-Judge oder Agentenevaluation und Verständnis dafür, wie Sampling, Kontext und Modellverhalten Markenaussagen beeinflussen.
- Erforderlich ist eine rigorose Modellevaluation und Validierung mit Leakage-Erkennung, zeitlicher beziehungsweise Out-of-Time-Validierung und Auswahl von Metriken passend zum Geschäftsergebnis.
- Erforderlich sind Bereitschaft und grundlegende Fähigkeit, 1–2 Personen im Alltag zu führen, die technische Richtung festzulegen, Einzelgespräche zu führen und Blockaden zu beseitigen. Außergewöhnliche Managementfähigkeiten werden nicht vorausgesetzt.
- Erforderlich sind solide Englischkenntnisse auf Niveau B2+ und die Fähigkeit, ein komplexes Ergebnis in derselben Besprechung sowohl einer Marketingfachkraft als auch einem skeptischen Engineer zu erklären.
- Erwartet wird eine lernorientierte Haltung: Experimente werden ohne Warten auf Genehmigung begonnen, anhand der Ergebnisse angepasst und Erkenntnisse geteilt; Fehlschläge werden für das Lernen im Team genutzt.
- Erwartet wird Handlungsorientierung: Zunächst entsteht der Ausführungszyklus, während der Hypothesen-Backlog laufend verfeinert wird, statt ein Quartal auf die perfekte Hypothesenliste zu verwenden.
- Erwartet werden Produktorientierung über das Modell hinaus auf Wirkung und praktische Verwertbarkeit sowie kritisches Denken und die Fähigkeit zu konstruktivem Widerspruch.
- Erwartet werden Sicherheit im Umgang mit unklaren, neuartigen Problemfeldern und schnelles Eskalieren bei datenbedingten Blockaden statt Abwarten.
Von Vorteil7 Punkte
- Wünschenswert sind Kenntnisse in Gradient Boosting mit LightGBM/CatBoost für tabellarische Modellierung, um bestehende Modelle weiterzuentwickeln.
- Wünschenswert sind Kenntnisse in Embeddings und Representation Learning mit sentence-transformers und faiss für semantische Merkmale und Clustering.
- Wünschenswert ist die Fähigkeit, große Datenbestände direkt, beispielsweise in ClickHouse, zu analysieren, ohne von einem eigens zuständigen Engineer abhängig zu sein.
- Wünschenswert ist echtes Interesse am weiteren SEO- und Suchbereich mit Neugier und zügiger Einarbeitung. Domänenexpertise wird zu Beginn nicht erwartet.
- Wünschenswert ist Vertrautheit mit Messkonzepten für KI-Suche wie AI Visibility, Share of Prompt und Share of Model.
- Wünschenswert ist Erfahrung mit MLflow oder vergleichbarem Experiment-Tracking.
- Wünschenswert sind Publikationen oder Vorträge, etwa bei SIGIR, ECIR, KDD, ACL, EMNLP oder im Umfeld von brightonSEO und Branchenforschung.
Das wird angeboten
- Es besteht direkter Datenzugang ohne Tickets zu SERP-, Backlink-, Content-, Audit-, GA- und GSC-Datensätzen sowie zu Social-Media-Daten von Planable, ergänzt durch systematisch erhobene KI-Antworten.
- Dedizierte Unterstützung durch Data und Analytics Engineering steht für den Aufbau der Pipelines zur Verfügung.
- Ein eigenes LLM-API-Budget ermöglicht systematische Antwortstichproben mit OpenAI, Google, Anthropic und Perplexity.
- Es besteht die Möglichkeit, Forschung und Best-Practices zu veröffentlichen und bei Interesse auf Konferenzen vorzustellen.
- Experimente können ohne vorherige Genehmigung gestartet werden.
Passt die Stelle? Öffne mit Premium den Bewerbungsweg.
Bewerbungslink freischaltenVeröffentlicht: 17.09.2026 · Quelle geprüft: 03.11.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.