Der zuverlässigste Weg, KI-Rollen intern zu besetzen, ist, starke Performer aus Nachbarrollen zu bewegen – Backend-Engineers ins KI-Engineering, QA ins Eval-Engineering, Analysten in KI-Datenarbeit – über einen strukturierten Pfad: ein echtes Projekt, ein benannter Mentor und geschützte Zeit, kein Kurs-Abo. Interne Wechsler kennen Ihre Domäne und Systeme bereits, was die halbe Arbeit ist; der Kurs-und-Hoffnung-Ansatz scheitert, weil er das Projekt überspringt.
Die Übergänge, die funktionieren
| Von | Nach | Was sich überträgt | Was neu ist |
|---|---|---|---|
| Backend-Engineer | KI-Engineer | Systeme, APIs, Produktionsdisziplin | LLM-Verhalten, Prompting, RAG, Evals |
| QA-Engineer | KI-QA-/Eval-Engineer | Testdesign, Edge-Case-Instinkt, Rigorosität | Statistische Evaluation, LLM-Fehlermodi |
| Datenanalyst | KI-Data-Engineer / Annotator-Lead | Datenkompetenz, Qualitätsinstinkt, SQL | Pipelines, Labeling-Ops, Embeddings |
| Domänenexperte | KI-Trainer / Context Designer | Ground Truth, Urteilsvermögen, Taxonomie | Prompting, Rubrik-Design, Eval-Denken |
| Frontend-Engineer | KI-Produkt-Engineer | UX-Instinkt, Produktnähe | Streaming-UX, Modellintegration, Fehlerbehandlung |
Das Programm, das den Wechsel hält
- 1Wählen Sie nach Pull, nicht nach Push: Nehmen Sie Freiwillige, die bereits mit KI-Tools tüfteln – nicht Leute, die Sie von einem auslaufenden Projekt wegverlagern müssen.
- 2Verankern Sie ein echtes Deliverable: ein Produktions-KI-Feature oder eine Eval-Suite, gescoped auf ein Quartal.
- 3Benennen Sie einen Mentor – einen Inhouse-Senior oder einen Embedded-KI-Engineer – mit wöchentlichem Pairing.
- 4Schützen Sie 50–100 % ihrer Zeit; „KI freitags lernen“-Programme sterben leise.
- 5Machen Sie es am Ende offiziell: neuer Titel, neue Scorecard, angepasste Vergütung – oder Person und Lektion gehen beide.
Wo Mobilität Hiring schlägt – und wo nicht
- Mobilität gewinnt, wenn Domänenkontext dominiert: Ihre Daten, Ihre Kunden, Ihre Systeme.
- Hiring gewinnt beim ersten Senior-KI-Hire – jemand muss die Messlatte setzen, an der die internen Wechsler lernen.
- Die Mischung – ein seniorer externer Anker pro Pod, interne Wechsler drum herum – ist das Muster, das sich verzinst.
- Besetzen Sie nie ein ganzes KI-Team allein durch Mobilität; ohne erfahrenen Anker lernt jeder öffentliches Wissen langsam neu.
