Eine Werkstudentenstelle im Machine-Learning-Bereich ist kein verlängertes Praktikum. Sie folgt einer anderen Logik: weniger Stunden pro Woche, dafür über ein bis zwei Jahre, und daraus ergibt sich fast alles Weitere - die Art der Aufgaben, die Verantwortung, die Vergütungsform und die Aussicht auf einen Vertrag danach.
Der Zuschnitt: 15 bis 20 Stunden, aber über Jahre
Üblich sind 15 bis 20 Wochenstunden während der Vorlesungszeit, oft verteilt auf zwei bis drei feste Tage. In der vorlesungsfreien Zeit wird häufig aufgestockt. Die Vertragslaufzeit liegt meist bei sechs oder zwölf Monaten mit Verlängerungsoption, tatsächlich bleiben viele deutlich länger.
Diese Struktur ist der eigentliche Unterschied. Ein Praktikum von drei Monaten reicht für ein abgegrenztes Thema. Zwölf Monate reichen, um ein System kennenzulernen, es mitzuentwickeln und für einen Teil davon zuständig zu sein. Wie sich die Einstiegsformen sonst unterscheiden, steht im Vergleich von Praktikum, Werkstudium und Abschlussarbeit; weitere Beiträge dazu sammelt die Kategorie Praktikum.
Was sich inhaltlich ändert
Nach den ersten Monaten hört die Sonderbehandlung auf. Du wirst nicht mehr als Gast betrachtet, sondern als jemand, der bestimmte Dinge im Team übernimmt - und dazu gehören Aufgaben, die ein Praktikant nie bekommt.
Zuständigkeit statt Zuarbeit. Typisch ist, dass dir nach einiger Zeit ein Bereich zufällt: die Datenqualitätsprüfungen einer Pipeline, das Auswertungsgerüst für eine Modellfamilie, der interne Dienst, der Vorhersagen ausliefert. Zuständig heißt: Du wirst gefragt, wenn dort etwas nicht stimmt.
Wartung. Du erlebst, was mit einem Modell nach sechs Monaten passiert. Dass die Genauigkeit langsam sinkt, weil sich Nutzerverhalten verschiebt, lernt man nicht in einem Semesterprojekt und auch nicht in zwölf Wochen. Genau dieser Teil unterscheidet den Machine Learning Engineer von der reinen Modellarbeit, und in großen Häusern liegt er beim MLOps Engineer.
Beteiligung an Entscheidungen. Nach einem Jahr wirst du gefragt, ob ein Ansatz sinnvoll ist. Deine Einschätzung zählt nicht so viel wie die eines Senior-Kollegen, aber sie wird gehört, weil du die Datenlage kennst.
Der Preis dafür ist Langsamkeit. Alles dauert länger. Eine Aufgabe, die in Vollzeit an drei Tagen erledigt wäre, zieht sich über zwei Wochen, weil dazwischen Vorlesungen liegen. Man verliert bei jedem Wiedereinstieg eine halbe Stunde, um sich zu erinnern, wo man stehengeblieben ist. Wer damit schlecht umgehen kann, ist im Praktikum besser aufgehoben.
Ein praktisches Gegenmittel: Notiere am Ende jedes Arbeitstages drei Zeilen darüber, was du gerade tust und was der nächste Schritt ist. Das klingt banal und spart über ein Jahr gerechnet mehrere Arbeitswochen.
Vergütung als Stundensatz
Werkstudenten werden nach Stunden bezahlt, nicht mit einem Monatsgehalt. Im ML-Umfeld liegen die Sätze erfahrungsgemäß in der folgenden Größenordnung.
| Umfeld | Stundensatz (Erfahrungswerte) | Bei 20 Stunden pro Woche |
|---|---|---|
| Konzern mit Tarifbindung | 17 bis 22 Euro | rund 1.500 bis 1.900 Euro brutto |
| Größeres Technologieunternehmen | 18 bis 25 Euro | rund 1.600 bis 2.200 Euro brutto |
| Mittelstand | 14 bis 18 Euro | rund 1.200 bis 1.600 Euro brutto |
| Start-up | 13 bis 18 Euro | rund 1.150 bis 1.600 Euro brutto |
| Forschungsinstitut oder Hochschule | 13 bis 16 Euro | rund 1.150 bis 1.400 Euro brutto |
Das sind Orientierungswerte aus Ausschreibungen und Erfahrungsberichten, keine Erhebung. Zwei Punkte solltest du beim Vergleich beachten. Erstens schwankt das Monatsergebnis mit der Zahl der geleisteten Stunden - in Klausurwochen mit fünf Stunden fällt es entsprechend niedriger aus. Zweitens steigt der Satz in vielen Häusern mit dem Studienfortschritt, oft beim Wechsel in den Master. Danach zu fragen, ist üblich.
Wie Vergütung im Praktikum geregelt ist und warum dort ganz andere Regeln gelten, steht im Beitrag zum Gehalt im KI-Praktikum.
Werkstudentenprivileg und die Grenze von 20 Stunden
Für Studierende gibt es eine sozialversicherungsrechtliche Sonderregelung, die im Alltag Werkstudentenprivileg genannt wird. Der Grundgedanke: Wer im Kern Student ist und daneben arbeitet, bleibt in Kranken-, Pflege- und Arbeitslosenversicherung beitragsfrei. Beiträge zur Rentenversicherung fallen an.
Die Bedingung ist der zeitliche Umfang. Wer während der Vorlesungszeit regelmäßig mehr als 20 Wochenstunden arbeitet, gilt nicht mehr in erster Linie als Student, und die Vergünstigung entfällt. Deshalb stehen in Werkstudentenverträgen fast immer 20 Stunden als Obergrenze.
Es gibt Ausnahmen, etwa für Arbeit in der vorlesungsfreien Zeit oder für Tätigkeiten überwiegend am Abend und am Wochenende. Genau diese Ausnahmen sind der Grund, warum in den Semesterferien häufig auf Vollzeit aufgestockt werden darf. Die Regeln hängen im Einzelfall an Details deines Vertrags und deines Studienstatus - und daran, ob du an der Hochschule eingeschrieben bleibst, was auch für Urlaubssemester und die Zeit nach der letzten Prüfung eine Rolle spielt. Das hier ist eine allgemeine Einordnung und keine Rechtsberatung: Die verbindliche Auskunft gibt dir deine Krankenkasse, und sie kostet einen Anruf.
Klausurphasen
Der wunde Punkt jeder Werkstudentenstelle. Zwei bis drei Wochen im Semester kollidieren zuverlässig mit Prüfungen, und wer das nicht regelt, gerät in beide Richtungen unter Druck.
Was funktioniert: die Klausurtermine früh ankündigen, sobald sie feststehen, und die Reduzierung als Vorschlag formulieren. "In den drei Wochen vor dem 12. Februar würde ich auf acht Stunden gehen und danach aufholen" ist eine Absprache. Eine kurzfristige Abmeldung ist ein Problem für das Team.
Hilfreich ist außerdem, die Wochentage über das Semester hinweg stabil zu halten. Wer immer dienstags und donnerstags da ist, wird in Termine eingeplant und bekommt Aufgaben, die Abstimmung erfordern. Wer jede Woche anders verfügbar ist, bekommt vor allem Aufgaben, die man allein erledigen kann - und das ist selten die interessantere Arbeit.
Die meisten Arbeitgeber gehen damit gelassen um, weil sie es kennen und weil eine Werkstudentenstelle ohne diese Flexibilität nicht funktioniert. Wer im Vorstellungsgespräch dazu ausweichende Antworten gibt, sagt damit etwas über das Team.
Warum so viele übernommen werden
Die Übernahmequote aus Werkstudentenstellen ist hoch, und dafür gibt es einen nüchternen Grund: Beide Seiten haben ein Jahr lang Informationen gesammelt, die kein Bewerbungsverfahren liefert.
Das Unternehmen weiß, wie du arbeitest, wie du mit Rückschlägen umgehst und ob du in das Team passt. Eine Fehlbesetzung im Berufseinstieg ist teuer, das Risiko sinkt hier gegen null. Dazu kommt die Einarbeitung: Ein Werkstudent, der übernommen wird, ist am ersten Tag produktiv, während ein externer Einsteiger typischerweise drei bis sechs Monate braucht.
Für die Unterlagen gelten dabei dieselben Maßstäbe wie bei jeder anderen Bewerbung, nachzulesen in der Kategorie Bewerbung. Umgekehrt weißt auch du, worauf du dich einlässt - und das ist der unterschätzte Teil. Du kennst die Systeme, die Abläufe und die Menschen, mit denen du dann jeden Tag arbeitest.
Zwei Hinweise dazu. Sprich das Thema früh an, spätestens ein halbes Jahr vor Studienende, weil Stellen budgetiert werden müssen. Und geh nicht davon aus, dass ein Angebot automatisch kommt: Es kommt oft, aber es kommt eher, wenn du gesagt hast, dass du es willst.
Worauf du bei der Stellenwahl achtest
Gibt es jemanden, der dich fachlich anleitet? Die wichtigste Frage überhaupt. In einem Team ohne erfahrene ML-Person lernst du vor allem, dich selbst zu behelfen.
Ist die Arbeit auf Teilzeit zugeschnitten? Aufgaben, die tägliche Verfügbarkeit erfordern, passen schlecht. Aufgaben mit klaren Zwischenständen passen gut.
Gibt es ein laufendes System oder nur Absichtserklärungen? Was das für den Inhalt bedeutet, ist im Beitrag zum Machine-Learning-Praktikum beschrieben - die Prüfkriterien gelten für Werkstudentenstellen genauso.
Wie viel davon ist Modellarbeit? Ein realistischer Anteil liegt niedriger, als die Anzeige vermuten lässt. Warum das so ist, zeigt der Blick auf die Aufgaben eines Data Scientist.
Wie weit ist es zum Arbeitsort? Bei zwei Anwesenheitstagen pro Woche entscheidet die Fahrzeit über die Machbarkeit. Kläre auch, wie viele Tage vor Ort erwartet werden.
Zum Stöbern eignen sich die ausgeschriebenen KI-Praktika und Werkstudentenstellen sowie die Rollen im Berufsfeld Machine Learning.
Wann sich das lohnt und wann nicht
Eine Werkstudentenstelle passt, wenn du weißt, in welche Richtung du willst, und bereit bist, dafür ein bis zwei Jahre neben dem Studium zu investieren. Sie passt nicht, wenn du noch mehrere Felder ausprobieren möchtest oder wenn dein Studium ohnehin an der Belastungsgrenze läuft. In beiden Fällen ist ein Praktikum im Praxissemester der ehrlichere Weg.
Bereit für den nächsten Schritt?
Setz dein Wissen direkt ein und finde einen freien KI-Praktikum in deiner Nähe – kostenlos und ohne Anmeldung.
KI-Praktika finden
