Computer Vision: Markt

Stelle

eine offene Stelle, die das Qualitäts-Gate passiert hat und mindestens zwei Technologien nennt

Beobachteter Kandidat

ein Kandidat, dessen Stack diese Technologie enthält; ein Aggregat — kein einziger Datensatz verlässt den Perimeter

Matchbarer Kandidat

noch nicht gezählt

Fenster

Stellen, die zum Zeitpunkt der Erstellung des Snapshots offen waren

Zahlen auf Basis einer kleinen Stichprobe — breitere Vergleichswerte finden Sie unter ML Engineer und Research Engineer / Scientist. Junior — typischer Einstieg: MS / PhD in CV / Robotik + Portfolio (Kaggle-CV-Wettbewerbe, CV-Projekte auf GitHub). Der Sprung Junior → Middle — nach dem ersten CV-Deployment in Produktion (ausgelieferte Detection-/Segmentation-/Classification-Funktion). Middle → Senior — Verantwortung für eine Multi-Task-CV-Pipeline + Expertise im Edge-Deployment oder Spezialisierung auf Generative AI. Senior → Staff / Principal — unternehmensweite CV-Strategie + Entwurf eigener Architekturen + Publikationen wissenschaftlicher Paper. Karriereweg: Backend Senior / ML Engineer Middle (2-3 Jahre) + Interesse an CV + Portfolio → CV Engineer Junior (1-2 Jahre) → Middle (2-3 Jahre) → Senior → entweder 3D Vision Engineer, Edge CV Engineer, Generative AI Engineer (Bild/Video) oder ML Research CV (akademischer Track mit Papern auf CVPR / ICCV / ECCV).

Top 5: python, pytorch, c++, opencv, tensorflow. Python in der Tiefe (überwiegend — Edge-Komponenten manchmal C++/Rust). Souveränes PyTorch + torchvision — 90%+ der CV-Forschung läuft 2026 auf PyTorch (TensorFlow Legacy). Souveränes OpenCV: klassische CV-Operationen (cv2.findContours / cv2.HoughLines / Canny-Kantenerkennung / Morphologie / Homografie / Kamerakalibrierung / Stereo-Matching — Pflicht für Vorverarbeitung + traditionelle Algorithmen). Pillow (PIL — Bildbearbeitung). Objekterkennung / Segmentierung: Ultralytics YOLO (YOLOv8/v9/v10/v11 — Branchenstandard 2026 — einfaches Training + gute Dokumentation), Detectron2 (Meta — Forschungsniveau, flexibler), MMDetection / MMSegmentation / MMPose (OpenMMLab — riesiges Ökosystem), DETR-Familie (RT-DETR auf dem Vormarsch 2026), SAM + SAM 2 (universelle Segmentierung). Self-Supervised + Foundation Models: DINOv2 (Meta — bestes Vision-Backbone 2024 für Feature-Extraktion), CLIP + OpenCLIP + SigLIP (Vision-Language-Alignment), MAE (Masked Autoencoder). Klassifikations-Backbones: ViT-Familie, Swin Transformer, ConvNeXt, EfficientNet + MobileNet (effizient), timm (vortrainierte Modelle, Pflichtbibliothek). Datenaugmentation: albumentations (Branchenstandard — 30+ Augmentationstypen), torchvision.transforms.v2 (modern, PyTorch-nativ), RandAugment + AugMix + Mixup + CutMix. Multimodale LLMs: GPT-4V + Claude 3.5 Sonnet Vision + Gemini 1.5/2.0 Pro Vision + Open Source LLaVA + Qwen 2 VL + InternVL + Idefics2 + Molmo (bestes offenes multimodales Modell 2024). OCR: PaddleOCR (Baidu — führend bei Mehrsprachigkeit 2026 — 80+ Sprachen), EasyOCR, Tesseract (Legacy, noch riesig verbreitet), Docling (IBM 2024 — Dokumentverständnis), Surya, TrOCR (Microsoft, transformerbasiert). Gesichtserkennung: InsightFace (Open-Source-SOTA 2026 — Modelle ArcFace + RetinaFace + Buffalo), DeepFace, face_recognition. Russisch: NtechLab FaceNGN / VisionLabs Luna / Tevian / RecFaces. Videoverständnis + Tracking: ByteTrack (am schnellsten 2026), DeepSORT, BoT-SORT, StrongSORT, MOTRv2. Videomodelle: VideoMAE, X-CLIP, InternVideo, MViT. 3D-Vision: NeRF (Original 2020) + Instant-NGP (NVIDIA — 100× schneller) + Gaussian Splatting (auf dem Vormarsch 2023–2026), Nerfstudio (einheitliches Framework), Open3D (Punktwolken), PyTorch3D (Meta), Kaolin (NVIDIA), COLMAP (Structure-from-Motion), Mitsuba 3 (differenzierbares Rendering). Generative Bilder / Videos: Stable-Diffusion-Familie (SDXL + SD3 + SD3.5), FLUX.1 (Black Forest Labs — offener Rekordhalter 2024+), DALL-E 3 / Imagen 3 / Midjourney v6 / Ideogram. Video: Runway Gen-3 / Pika 1.5 / Kling AI / Sora / AnimateDiff / SVD. Oberflächen für generative Modelle: ComfyUI (knotenbasiert — Favorit der Forschung), Automatic1111. Fine-Tuning generativer Modelle: LoRA + DreamBooth für Stable Diffusion / FLUX. Inference Serving: Triton Inference Server + BentoML + TorchServe. Annotation: CVAT (OpenCV — Branchenstandard), Label Studio + V7 Darwin (kommerziell) + Roboflow (schnelles Prototyping). Datensätze: COCO (Benchmark für Erkennung / Segmentierung) + ImageNet (Klassifikation) + OpenImages + LAION-5B (generatives Training im Web-Maßstab) + Objects365 + Visual Genome + ADE20K (Segmentierung) + Cityscapes (autonomes Fahren). Hardwarebewusste Optimierung: Quantisierung (INT8 / FP16), Pruning, Distillation, strukturierte Sparsity (für Tensor Cores ab NVIDIA Ampere).

Alle drei Rollen überschneiden sich 2026, aber die Schwerpunkte unterscheiden sich. ML Engineer — Generalist, verantwortet den produktiven ML-Stack (Recsys / Betrugserkennung / Ranking / klassisches ML + LLM). Kann mit CV-Daten arbeiten, aber ohne tiefe Spezialisierung. Siehe ML Engineer. AI Engineer / LLM Engineer — Fokus auf LLM-Integration (textorientiert). Siehe AI / LLM Engineer. NLP Engineer — Fokus auf Text + Sprache. Siehe NLP Engineer. Computer Vision Engineer (diese Seite) — Fokus auf Bild- / Video- / 3D-Daten. Überschneidung des Stacks mit ML Engineer ~60% (PyTorch + Cloud-ML + Deployment) + ~30% eigenständig (OpenCV + Ultralytics + Detectron2 + SAM + albumentations + Besonderheiten des Edge-Deployments — TensorRT / CoreML). Unterschiede: 1) Intuition für Bildverarbeitung — ein CV Engineer versteht Kameramodelle / Linsenverzeichnung / Farbräume / Histogrammanalyse / morphologische Operationen — klassisches CV-Fundament. Ein AI Engineer kennt davon meist nichts. 2) Rechenbeschränkungen — CV-Modelle sind schwer (Gigabytes), die Inferenzlatenz ist kritisch (autonomes Fahren — Vorgabe 30+ FPS), Edge-Deployment (Beherrschung von TensorRT / CoreML / OpenVINO) — exklusives CV-Terrain. 3) Spezialisierung auf generative Bilder / Videos — Expertise in Stable Diffusion / FLUX / ComfyUI-Workflows — speziell CV-Nische (überschneidet sich mit AI Engineer bei textgesteuerter Generierung). 4) 3D-Vision-Skills — NeRF / Gaussian Splatting / Punktwolken / SLAM / Kamerakalibrierung — exklusiv CV. 5) Fachexpertise — CV-Rollen sind oft an eine bestimmte Branche gebunden (autonome Fahrzeuge / medizinische Bildgebung / Robotik / AR/VR / Satellitenbilder / Qualitätskontrolle in der Fertigung). Jede Branche hat ihre eigenen Datensätze + Regeln. Karrierewechsel: ML Engineer Senior → CV Engineer — 4-8 Monate (nötig sind OpenCV + Ultralytics + Detectron2 + albumentations + eine Branche). CV Engineer Senior → ML Engineer — 2-4 Monate (leichter Seitenwechsel, MLOps + LLM-Grundlagen ergänzen). CV Engineer Senior → AI Engineer (LLM-Richtung) — 3-6 Monate. Gefragte Unterspezialisierungen 2025–2026: 3D Vision (Gaussian Splatting) / generative Bilder und Videos (FLUX + Sora-Stil) / multimodal (Vision-Language-Modelle — LLaVA / Molmo).

Entscheidungsbaum für Objekterkennung / Segmentierung 2026: 1) Ultralytics YOLO (YOLOv8 / v9 / v10 / v11) — Standardwahl 2026 für die Objekterkennung. Vorteile: einfaches Training (3-5 Zeilen Code), gute Doku + Community, schnelle Inferenz (Echtzeit auf CPU + Edge), breite Deployment-Unterstützung (ONNX + TensorRT + CoreML + TFLite nativ). Nachteile: Die Ultralytics-Lizenz erfordert AGPL oder eine kommerzielle Lizenz ($$) für proprietäre Nutzung, akademisch weniger flexibel als Detectron2 / MMDetection. Einsatzfall: 90% der Anwendungsfälle der Objekterkennung in Produktion, Prototypen, Edge-Deployment. 2) Detectron2 (Meta) — forschungstauglich. Vorteile: saubere API, flexibel (eigene Architekturen leicht umsetzbar), Apache-2.0-Lizenz (kommerziell freundlich), von Meta unterstützt. Nachteile: langsameres Training als Ultralytics, steilere Lernkurve. Einsatzfall: komplexe eigene Architekturen, Forschungsprojekte, wenn feine Kontrolle über die Trainingsschleife nötig ist. 3) MMDetection / MMSegmentation / MMPose (OpenMMLab — chinesisches Konsortium) — riesiges Ökosystem. Vorteile: 100+ vorimplementierte Architekturen (alte und neue), Referenzimplementierungen von Papern sind immer zuerst dort, Apache 2.0. Nachteile: konfigurationslastig (steile Lernkurve), chinesischsprachige Community für rein englischsprachige Nutzer manchmal schwer zugänglich, Abhängigkeiten können kollidieren. Einsatzfall: Forschung, Vergleich vieler Architekturen, Reproduktion von Papern. 4) DETR-Familie (transformerbasierte Detektion) — moderner Paradigmenwechsel seit 2020+. RT-DETR (Real-Time DETR — Baidu, im Aufwind seit 2024+ — Konkurrent von YOLO im Echtzeitbereich), DINO-DETR, Co-DETR. Vorteile: End-to-End (kein NMS-Postprocessing), oft bessere Genauigkeit bei komplexen Szenen. Nachteile: langsamere Inferenz als YOLO, rechenhungriger im Training. Einsatzfall: höchste Genauigkeitsanforderungen, komplexe Szenen (dicht gedrängte Objekte). 5) SAM (Segment Anything Model — Meta 2023) + SAM 2 (Videoversion 2024) — universelle Segmentierung. Einsatzfall: a) Zero-Shot-Segmentierung (alles segmentieren ohne Training), b) interaktives Annotationstool (Punkt- / Box-Prompt → Maske), c) Beschleunigung des Data Labeling (SAM-gestützte Annotation 10× schneller). Mit YOLO / Detectron2 kombinieren: Detektor → SAM für präzise Masken. 6) Klassische Detektion (HOG + Kaskadenklassifikatoren — OpenCV) — nur für sehr einfache Fälle, Edge-Geräte ohne GPU, stromsparende Mikrocontroller (für Embedded-Szenarien weiterhin relevant). Standardempfehlungen 2026: Deployment in Produktion + kommerziell → Ultralytics YOLO (wenn AGPL oder kommerzielle Lizenz in Ordnung ist) ODER Detectron2 (Apache-2.0-Alternative). Forschung / Reproduktion von Papern → MMDetection. Höchste Genauigkeit / komplexe Szenen → RT-DETR oder Co-DETR. Universelle / Zero-Shot-Segmentierung → SAM 2. Beschleunigung der Annotation → SAM + interaktive Workflows (CVAT-Integration). Edge / Mobile → YOLO mit TensorRT (NVIDIA) / CoreML (Apple) / TFLite (Android). Ein Senior CV Engineer muss wissen, wann was einzusetzen ist.

Ja, 24% der Stellen als CV Engineer sind vollständig remote oder hybrid. CV-Arbeit ist vollständig cloudbasiert (Training auf Cloud-GPUs — A100 / H100, Datensätze per Streaming aus S3 / GCS, Deployment in Kubernetes). Outsourcing-Firmen — fast immer remote bei US-CV-Projekten. Russische Unternehmen — hybrid oder remote nach der Probezeit. Russische Banken (Sber AI Banking CV — Gesichtserkennung / Dokumentenprüfung) — hybrid/Büro wegen Sicherheits-Compliance. Unternehmen für autonome Fahrzeuge — Sonderfall: Forschungsrollen sind oft remote-freundlich, aber Produkt-Deployment / Tests am Fahrzeug erfordern Präsenz vor Ort (Pittsburgh Cruise / Mountain View Waymo / Palo Alto Tesla / usw.). Unternehmen für generative AI (Stability / Black Forest Labs / Runway / Pika / Kling) — vollständig remote als Standard. Internationale Voice-AI- / NLP-Unternehmen überschneiden sich (multimodale Teams) — vollständig remote. Big Tech CV — Hybrid als Standard. Relokations-Hubs für CV: USA (Bay Area + Pittsburgh — Cluster für autonome Fahrzeuge + Boston — Robotik-Region um das MIT), Großbritannien (London — Wayve), Kanada (Toronto — Vector Institute), Deutschland (Berlin AI + München Automotive — BMW / Mercedes AI), Frankreich (Paris — Hugging Face + Mistral für Vision-LLMs), Japan (Tokio — Sony AI + Automotive). Englisch für internationale CV-Remote-Arbeit — Pflicht (Papers von CVPR / ICCV / ECCV + Community englischsprachig).

3D Vision Engineer — eine Teilspezialisierung innerhalb von CV mit Fokus auf 3D-Verständnis + neuronales Rendering. Alltag: 1) Rekonstruktion mit NeRF / Gaussian Splatting — Eingabevideo → 3D-Szenendarstellung. Tools: Instant-NGP (NVIDIA — schnelles NeRF) / Nerfstudio (einheitliches Framework) / gsplat (Gaussian-Splatting-Bibliothek) / Polycam-App für die Aufnahme. 2) Verarbeitung von Punktwolken — LiDAR-Daten (autonome Fahrzeuge) oder Tiefenkameras (Kinect / RealSense). Tools: Open3D / PCL (Point Cloud Library) / PyTorch3D. 3) Structure-from-Motion (SfM) — mehrere 2D-Bilder → 3D-Szene. Tools: COLMAP (SfM-Industriestandard). 4) SLAM (Simultaneous Localization and Mapping) — Robotik / AR — Kamerapose verfolgen + Karte erstellen. Tools: ORB-SLAM3 / OpenVSLAM / Kimera. 5) Differenzierbares Rendering — 3D aus 2D-Supervision lernen. Tools: Mitsuba 3 / nvdiffrast / Kaolin. 6) 3D-Generierung — Text → 3D-Mesh (DreamFusion + Magic3D + Zero-1-to-3) oder Bild → 3D (TripoSR / InstantMesh — Open Source 2024+). 7) Mesh-Verarbeitung — Texturierung / Retopologie / UV-Abwicklung für 3D-Content-Pipelines. Spezifischer Stack: PyTorch3D (Meta — 3D-Forschung), Kaolin (NVIDIA — 3D-DL), Mitsuba 3 (differenzierbares Rendering), Open3D / PCL (Punktwolken), COLMAP (SfM), Nerfstudio + gsplat (NeRF / 3DGS), Blender Python API (Mesh-Bearbeitung). Karriereweg: CV Engineer Senior + Interesse an Computergrafik + praktisches Portfolio mit NeRF / 3DGS → 3D Vision Engineer — 6-12 Monate.

Roadmap: 1) Mathematische Grundlagen — lineare Algebra + Analysis + Grundlagen der projektiven Geometrie (Transformationen / Homografien / Kameramodelle). „Multiple View Geometry in Computer Vision“ von Hartley / Zisserman — die Bibel der CV-Mathematik (kann als Nachschlagewerk dienen, muss nicht von vorn bis hinten gelesen werden). 2) Python in der Tiefe + ML-Grundlagen — PyTorch + NumPy + Matplotlib. Einen einfachen ML-Klassifikator bauen (MNIST). 3) OpenCV beherrschen — klassische CV-Operationen. Kurs: „Computer Vision Course“ von PyImageSearch (Adrian Rosebrock — der beste Einstieg in OpenCV), offizielle OpenCV-Dokumentation + Tutorials. Pet-Projekte bauen: Kantenerkennung / Panorama-Stitching per Homografie / Gesichtserkennung mit klassischen Haar-Kaskaden. 4) Deep Learning für Vision — Stanford CS231n „Convolutional Neural Networks for Visual Recognition“ (Karpathy / Li — kostenlos auf YouTube + Folien — Pflicht, der kanonische Kurs zu Deep Learning in CV). 5) PyTorch + torchvision in der Praxis — ResNet / EfficientNet auf CIFAR-10 trainieren, ein vortrainiertes Modell auf Ihrem eigenen Datensatz feinabstimmen. Die Bibliothek timm nutzen lernen (vortrainierte Modelle). 6) Objekterkennung — Ultralytics YOLO in der Praxis (der leichteste Einstieg — YOLO an einem Tag auf einem eigenen Datensatz trainieren). Dann Detectron2 (flexibler). 7) Segmentierung — Mask R-CNN über Detectron2, dann SAM (universelle Segmentierung) — interaktive Segmentierung ausprobieren. 8) Annotations-Tools — CVAT beherrschen (Branchenstandard für CV-Annotation). Einen eigenen Datensatz annotieren (10-50 Bilder), einen Detektor darauf trainieren. 9) Augmentation beherrschen — Bibliothek albumentations (Pflicht für CV in Produktion). Stabilität des Trainings verstehen — starke Augmentation verbessert die Robustheit. 10) Moderne Transformer für CV — Vision Transformer (ViT) + Swin Transformer + DINOv2 (Foundation Model). Vision-Unterstützung in Hugging Face Transformers. 11) Multimodale LLMs — GPT-4V + Claude Vision + Open-Source-LLaVA / Qwen 2 VL zum Verständnis ausprobieren. 12) Weg generative CV (beliebt 2024–2026): Stable Diffusion + FLUX in der Praxis, ComfyUI-Workflows beherrschen, Fine-Tuning mit LoRA / DreamBooth. Kurs: „Generative AI with Diffusion Models“ von DeepLearning.AI. 13) Weg 3D Vision (im Aufwind 2024+): NeRF + Gaussian Splatting in der Praxis mit dem Framework Nerfstudio, eine eigene Szene mit dem Telefon aufnehmen (App Polycam), als 3DGS rekonstruieren. 14) Edge-Deployment in der Praxis — ein PyTorch-Modell konvertieren → ONNX → TensorRT (auf NVIDIA-GPU), die Inference-Latenz benchmarken. Konvertierung nach CoreML für Apple Silicon ausprobieren. 15) Portfolio aus Pet-Projekten: a) produktionsreife Erkennungspipeline (z. B. Demo zum Zählen von Fischen / Fahrzeugen / Zellen); b) eigenes LoRA für Stable Diffusion / FLUX im eigenen Stil; c) Rekonstruktion mit Gaussian Splatting (eindrucksvolle 3D-Szene aus einem Handyvideo); d) mobile CV-App (Deployment über CoreML/TFLite). Auf GitHub dokumentieren + Blogbeitrag + Video-Demo. Russische Kurse: MIPT DLSchool (CV-Modul — kostenlos auf YouTube), Karpov.Courses „Computer Vision“ track, Otus „Computer Vision“, SkillFactory CV, School21 (Sber) AI Computer Vision track. International (EN): Stanford CS231n (kanonisch — kostenlos auf YouTube), fast.ai Practical Deep Learning (inklusive CV), Hugging Face Computer Vision Course (kostenlos), das Buch „Deep Learning for Computer Vision“ von Mohamed Elgendy, PyImageSearch University (Adrian Rosebrock — anwendungsorientiert). Pflichtlektüre: „Deep Learning for Vision Systems“ von Mohamed Elgendy (Manning), „Multiple View Geometry“ von Hartley / Zisserman (mathematisches Nachschlagewerk), „Computer Vision: Algorithms and Applications“ von Richard Szeliski (kostenlose 2. Auflage online — enzyklopädisch). Konferenzen: CVPR (Spitze — Juni), ICCV (Oktober, im Wechsel mit ECCV), ECCV (Oktober, im Wechsel), NeurIPS (Dezember — breiteres ML mit CV-Track). Backend Senior / ML Engineer Middle + Interesse an CV + Portfolio → CV Engineer Junior — 6-12 Monate. PhD in CV / Robotik → Senior CV Engineer — direkter Einstieg.

237 active open CV Engineer positions with explicit CV specifics in our sample. The real pool is many times wider — many CV roles are classified as general ML Engineer / Robotics / AI Engineer (titles like "ML Engineer for autonomous driving" or "Senior Backend Engineer with CV focus"). True CV-focused jobs in CIS + Europe are estimated at 300-1,500 positions active at any moment in 2026 (counting fuzzily classified ones). Geography: the US, Russia, Germany. The real market is broader thanks to the international remote segment (generative AI companies + robotics startups full-remote-friendly). Time to close a Senior CV Engineer — 6-12 weeks (longer than general AI Engineer due to rare-skill — PyTorch deep + classical CV + one domain + edge deployment combination).

Ein Senior CV Engineer verantwortet den gesamten Zyklus des Vision-Engineerings + technische Führung. Mathematische Grundlagen: lineare Algebra + projektive Geometrie (Kameramodelle / Homographien / Epipolargeometrie) + Analysis + Optimierungstheorie — auf dem Niveau „kann CVPR-Papers ohne Hürden bei der Mathematik lesen“. Python in der Tiefe + Backend auf Senior-Niveau: Beherrschung von async / Typing / FastAPI / pytest. C++-Grundlagen (für Edge-Deployment + eigene OpenCV-Kernels — wünschenswert). Beherrschung von PyTorch + torchvision in der Tiefe: eigene Datasets / Sampler / Losses / Trainingsschleifen, verteiltes Training (DDP für CV-Training auf mehreren GPUs), Mixed Precision (FP16 / BF16 Pflicht für die Produktion), Gradient Accumulation für große Modelle. Beherrschung von OpenCV: klassische CV-Operationen (Kalibrierung / Morphologie / Hough-Transformationen / Homographie / Stereo Matching / optischer Fluss), Grundlagen der C++-API für performancekritische Pfade. Moderne Transformer für CV: Beherrschung von ViT / Swin / DINOv2, Fine-Tuning-Strategien, hybride CNN-Transformer-Architekturen. Beherrschung von Objekterkennung / Segmentierung: produktives Deployment von Ultralytics YOLO + Erstellen eigener Architekturen in Detectron2 + MMDetection / MMSegmentation bei Bedarf + RT-DETR + Integration von SAM 2 in Pipelines. Beherrschung von Data Augmentation: albumentations fortgeschritten (eigene Transformationen + Kompositionsstrategien), Test-Time Augmentation (TTA), Verständnis von AutoAugment / RandAugment / CutMix / Mixup. Foundation Models: DINOv2 + CLIP + SigLIP + OpenCLIP — Anwendungsfälle für Feature Extraction + Zero-shot-Klassifikation + Retrieval. Multimodale LLMs (GPT-4V / Claude Vision / LLaVA / Qwen 2 VL / Molmo) — wann man sie nutzt vs. ein eigenes Modell trainiert. Beherrschung generativer CV (falls die Richtung es umfasst): Stable Diffusion + FLUX in der Tiefe — Fine-Tuning mit ControlNet / LoRA / DreamBooth / IP-Adapter / Textual Inversion. Erstellen von ComfyUI-Workflows. Grundlagen der Videogenerierung (AnimateDiff / SVD). Beherrschung von 3D Vision (falls die Richtung es umfasst): NeRF + Gaussian Splatting + Nerfstudio + COLMAP SfM + Open3D-Punktwolken. Kamerakalibrierung + projektive Geometrie in der Tiefe. Beherrschung von Edge-Deployment: ONNX (frameworkübergreifender Export + Optimierung mit ONNX Runtime), TensorRT (NVIDIA — INT8-Quantisierung + Plugin-Entwicklung bei Bedarf), CoreML (Apple Silicon — Unterstützung von Conv2D-Operationen + Besonderheiten der Neural Engine), TFLite (Android-NNAPI-Delegate), MediaPipe-Pipelines, OpenVINO (Intel iGPU). Hardwarebewusste Optimierung: Quantisierung (PTQ + QAT), Pruning, Distillation (Teacher-Student), strukturierte Sparsity (NVIDIA Ampere+ für 2× Beschleunigung). Architektur produktiver CV-Pipelines: eine End-to-End-Pipeline am Whiteboard entwerfen — Datenaufnahme (Kameras / Laufwerke / Cloud-Streaming) → Vorverarbeitung → Batch-Inferenz → Nachverarbeitung → Tracking / Aggregation → nachgelagerte Aktionen. Multikamerasysteme: Synchronisation + Kalibrierung + Fusion für autonome Systeme / Videoüberwachung. Inference Serving: Triton Inference Server (NVIDIA — am besten für mehrere Modelle + dynamisches Batching), DeepStream (NVIDIA-Videoanalytik), BentoML / TorchServe. Latenzbudgets: Entwurf für Echtzeitanforderungen (autonom: 30+ FPS, AR: 60+ FPS, Videomoderation: Batch ok), profilgetriebene Optimierung (NVIDIA Nsight + PyTorch Profiler). Domänenexpertise: tiefes Verständnis von ein bis zwei Domänen (autonomes Fahren / medizinische Bildgebung / visuelle Suche im Handel / Wahrnehmung in der Robotik / AR/VR / Satellitenbilder / Qualitätskontrolle in der Fertigung) — der wichtigste Treiber für einen Aufschlag ab Senior+. Annotationsstrategie: großskalige Annotations-Workflows entwerfen (CVAT / Label Studio + SAM-gestützt), Active-Learning-Schleifen, Qualitätskontrolle der Labels. Evaluierungsmethodik: tiefes Verständnis der COCO-Metriken (AP / AP50 / AP75 / mAP@[.5:.95]), Segmentierungsmetriken (mIoU / Dice / Boundary F1), domänenspezifische Metriken (NDS / mAP für autonome Erkennung), Evaluierung mit Human-in-the-Loop für generative Modelle. Soft Skills: Verfassen von ADRs für CV-Architekturentscheidungen, technisches Schreiben (Design-Dokumente für CV-Features + Paper-Entwürfe bei Forschungsrichtung), teamübergreifende Zusammenarbeit (Produkt- / Backend- / Robotik- / Hardware-Teams), Mentoring von Middle CV Engineers, Disziplin beim Lesen von Papers (CVPR / ICCV / ECCV / NeurIPS Pflicht zu verfolgen). Englisch ab Senior+ PFLICHT — CV-Community / Dokumentation / Papers / Konferenzen sind englischsprachig. Optionaler Bonus: Open-Source-Beiträge zu Ultralytics / Detectron2 / MMDetection / timm / albumentations / Nerfstudio — steigern den Marktwert bei Einstellungen in Big-Tech-CV / autonomen Fahrzeugen / generativer KI deutlich. Papers auf CVPR- / ICCV- / ECCV-Workshops — Aufschlag für die CV-Richtung als Research Engineer.