{"id":81400,"title":"AI Data Annotation Specialist (Mensch)","company":"Neura Robotics","city":null,"region":"Baden-Württemberg","location":"Metzingen / Riederich, Riederich, Baden-Wurttemberg, Germany","work_model":"onsite","employment_type":"full_time","employment":["full_time"],"roles":["data_science"],"visa":"not_mentioned","relocation":"not_mentioned","posted_at":"2026-04-11T10:38:35.361000+00:00","tools":["AWS","Google Cloud","Azure","ROS","S3","Node.js","REST","LLM"],"seniority":"mid","years_experience_min":4,"german_requirement":"not_mentioned","german_level":"unspecified","english_requirement":"not_mentioned","english_level":"unspecified","team_language":"unknown","confidence":0.4,"method":"rules","language_badge":"Not stated","language_evidence":null,"requirements_snippet":"Abschluss in Informatik, Data Science, Ingenieurwesen oder einem verwandten Bereich 4+ Jahre Erfahrung in Machine Learning Operations, AI oder Software Engineering Praktische Erfahrung mit Data-Annotation-Tools und …","url":"https://jobs.ashbyhq.com/neura-robotics-gmbh/dddcd503-ac7e-49a6-b807-9de4fa7bcc84","source":"ashby","agency":null,"description_text":"Deine Mission & Herausforderungen\nAls AI Data Annotation Specialist bewegst du dich an der Schnittstelle von Data Ingestion, Annotation-Workflow-Design und Machine Learning — mit einem starken Fokus auf den Aufbau von Trainingsdatensätzen für multimodale Foundation-Modelle, die Wahrnehmung, Sprache und Roboteraktion miteinander verbinden. Deine Hauptverantwortung ist die Konzeption und Pflege skalierbarer Workflows für automatisierte und Human-in-the-Loop-Annotation, damit Datensätze korrekt gelabelt, kuratiert, validiert und für effizientes Modelltraining sowie Evaluation aufbereitet sind.\nDu spielst eine entscheidende Rolle dabei, hochwertige Embodied-AI-Systeme zu ermöglichen, indem du rohe multimodale Roboterdaten in strukturierte, verlässliche und semantisch reichhaltige Trainingsdatensätze verwandelst.\n• Du konzipierst, baust und pflegst Pipelines für automatisierte, semi-automatisierte und Human-in-the-Loop-Datenannotation, mit Fokus auf Subtask-Labeling für Long-Horizon-Roboterdemonstrationen\n• Du entwickelst Annotation-Workflows für sprachbasiertes Robot Learning und Visual-Question-Answering(VQA)-Datensätze, einschließlich Instruction Generation, Subtask-Decomposition und der Verankerung natürlicher Sprache in visuellen und Aktionsdaten\n• Du nimmst multimodale Daten (Video, Tiefe, Propriozeption, Gripper States, Sprachinstruktionen) auf und integrierst sie in strukturierte Annotation-Workflows\n• Du wendest Pre-Labeling-Techniken mit Foundation-Modellen (z. B. Vision-Language-Modelle, LLMs) an, um die Annotation zu beschleunigen und manuellen Aufwand zu reduzieren\n• Du definierst und implementierst Datenqualitätsprüfungen: Inter-Annotator Agreement, Label-Konsistenz, Coverage-Analyse und Erkennung von Annotation Drift\n• Du treibst Data-Curation-Initiativen voran: Dataset Balancing, Deduplizierung, Failure-Case Mining, Task-Diversity-Analyse und gezielte Datenerhebung zur Schließung von Capability Gaps\n• Du identifizierst und behebst Datenqualitätsprobleme, Labeling-Inkonsistenzen, Verteilungs-Bias sowie Lücken in der Task-/Skill-Abdeckung\n\nWas du mitbringst\n• Abschluss in Informatik, Data Science, Ingenieurwesen oder einem verwandten Bereich\n• 4+ Jahre Erfahrung in Machine Learning Operations, AI oder Software Engineering\n• Praktische Erfahrung mit Data-Annotation-Tools und Labeling-Workflows (z. B. Encord, CVAT, Label Studio oder vergleichbare Plattformen)\n• Erfahrung mit Subtask-Annotation, Ontologie-/Taxonomie-Design und VQA-Style-Labelling\n• Vertrautheit mit Robotik-Datensatzformaten und multimodaler Datenstrukturierung (z. B. LeRobot, RLDS, Open X-Embodiment)\n• Erfahrung mit Cloud-Plattformen (AWS, GCP, Azure) von Vorteil\n• Erfahrung im Verfassen von Annotation Guidelines / Taxonomien (ergänzt die oben genannte Verantwortung)\n• Vertrautheit mit VLMs/LLMs für Auto-Labeling (z. B. Open-Vocabulary-Detektoren, Modelle der Gemini-/GPT-Klasse)\n• Grundkenntnisse in Data Engineering — sicherer Umgang mit großskaligen/Streaming-Daten und Formaten wie ROS Bags/MCAP sowie S3-artigem Object Storage\n• Erfahrung im Aufbau von Backend-Services und Tooling (z. B. Node.js/TypeScript, REST-APIs) zur Integration von Annotation-Plattformen in interne Dateninfrastruktur\n• Von Vorteil: direkte Erfahrung mit Embodied-AI-/Teleoperationsdaten","responsibilities_text":null,"requirements_text":"• Abschluss in Informatik, Data Science, Ingenieurwesen oder einem verwandten Bereich\n• 4+ Jahre Erfahrung in Machine Learning Operations, AI oder Software Engineering\n• Praktische Erfahrung mit Data-Annotation-Tools und Labeling-Workflows (z. B. Encord, CVAT, Label Studio oder vergleichbare Plattformen)\n• Erfahrung mit Subtask-Annotation, Ontologie-/Taxonomie-Design und VQA-Style-Labelling\n• Vertrautheit mit Robotik-Datensatzformaten und multimodaler Datenstrukturierung (z. B. LeRobot, RLDS, Open X-Embodiment)\n• Erfahrung mit Cloud-Plattformen (AWS, GCP, Azure) von Vorteil\n• Erfahrung im Verfassen von Annotation Guidelines / Taxonomien (ergänzt die oben genannte Verantwortung)\n• Vertrautheit mit VLMs/LLMs für Auto-Labeling (z. B. Open-Vocabulary-Detektoren, Modelle der Gemini-/GPT-Klasse)\n• Grundkenntnisse in Data Engineering — sicherer Umgang mit großskaligen/Streaming-Daten und Formaten wie ROS Bags/MCAP sowie S3-artigem Object Storage\n• Erfahrung im Aufbau von Backend-Services und Tooling (z. B. Node.js/TypeScript, REST-APIs) zur Integration von Annotation-Plattformen in interne Dateninfrastruktur\n• Von Vorteil: direkte Erfahrung mit Embodied-AI-/Teleoperationsdaten","status":"open","duplicate_of":null,"first_seen":"2026-11-04T00:18:03.720805+00:00","responsibilities_summary":null,"requirements_summary":null,"all_tools":["AWS","Google Cloud","Azure","ROS","S3","Node.js","REST","LLM"],"posting_language":"de","evidence":[],"years_experience_max":null,"mobility_evidence":[],"model_version":"rules-8","english_badge":"English not stated","company_id":2275}