Häufige Fragen

Mach ein Experiment. Nimm eine beliebige Jobseite (Indeed, LinkedIn, jobs.ch, jobup.ch) und such nach «machine learning engineer Zürich». Du bekommst eine Menge Inserate, doch bei näherem Hinsehen fällt das schnell in sich zusammen. Die Treffer passen bestenfalls lose zur Suche. Die Hälfte der Inserate ist Wochen oder Monate alt, und die Stelle ist längst vergeben. Viele davon haben Personalvermittler im Auftrag einer Firma veröffentlicht, deren Namen sie nicht nennen. Du stösst auf eine Registrierungspflicht, bevor du überhaupt die Beschreibung lesen kannst. Stellen an der ETH, der EPFL und den kantonalen Universitäten tauchen gar nicht auf. Und KI-Stellen bei Firmen, die nicht im engeren Sinn «Tech» sind, aber trotzdem für KI einstellen (Banken, Versicherungen, Pharma, Uhrenhersteller, die Forschungsanstalten des Bundes), sind über die Karriereseiten der einzelnen Arbeitgeber verstreut, wo kein Aggregator hinschaut.

Ich habe SwissAIJob gebaut, weil ich eine Jobbörse wollte, die ich selbst nutzen würde. Die Regeln sind einfach:

• Jede KI-Stelle in der Schweiz, in der Wirtschaft und an Hochschulen, auch bei Arbeitgebern ausserhalb der Tech-Branche, die für KI einstellen.
• Keine veralteten Inserate. Die Scraper laufen jeden Tag, und eine Stelle, die von der Stellenliste des Arbeitgebers verschwindet, wird im selben Durchlauf entfernt.
• Keine Registrierungspflicht, keine Personalvermittler dazwischen, keine Betrugsinserate. Klick auf einen Job, und du landest direkt auf der Bewerbungsseite des Arbeitgebers oder der Hochschule.
• Ausschliesslich von öffentlichen Karriereseiten von Firmen und Hochschulen. Nie von LinkedIn, Indeed, Glassdoor oder anderen Aggregatoren.

Die Plattform wird weitgehend von Agenten betrieben. KI-Agenten fügen laufend Scraper für neue Arbeitgeber hinzu, pflegen und reparieren sie, sodass die Abdeckung ohne manuellen Aufwand wächst.

Ja. Das Durchsuchen aller Inserate, die Filter, CV Match und der wöchentliche Job-Alert sind kostenlos. Es gibt keine Werbung und keine Registrierungspflicht. Ein Inserat mit der Markierung «Hiring-Partner» hat der Arbeitgeber direkt bei uns platziert. Es steht in der Sortierung «Neueste» zuoberst und wird sonst wie jeder andere Job gefiltert und eingeordnet.

Nein. Jedes Inserat führt direkt auf die Bewerbungsseite des Arbeitgebers. SwissAIJob steht nie zwischen dir und dem Arbeitgeber.

Aktuell gibt es 541 aktive KI- und Machine-Learning-Stellen bei 139 Schweizer Arbeitgebern (Stand 2026-11-04). Die vollständige Liste steht auf der Startseite.

Zürich liegt mit 372 aktiven Stellen vorne, gefolgt von Genf (45) und Lausanne (36). Die vollständige Aufschlüsselung nach Stadt steht auf der Statistikseite, und jede Stadt hat eine eigene Seite, zum Beispiel /jobs/zurich.

Über die 539 Stellen mit Lohndaten liegt der Median der Untergrenze bei CHF 100’000 und der Median der Obergrenze bei CHF 120’000 pro Jahr. Die Lohnseite schlüsselt das nach Rolle und Stadt auf. Hinweis: Die meisten Arbeitgeber veröffentlichen keine Löhne, deshalb schätzt ein Sprachmodell diese Zahlen aus den Stellenbeschreibungen und Schweizer Marktrichtwerten. Nimm sie als grobe Orientierung, nicht als Zusage.

Die Scraper laufen jeden Tag: Sie erfassen neue Inserate, aktualisieren bestehende und entfernen Stellen, die von der Stellenliste des Arbeitgebers verschwunden sind. Eine geschlossene Stelle wird im ersten Durchlauf entfernt, der sie nicht mehr findet. Wegen dieses täglichen Rhythmus nennen wir die Liste «live», aber nicht «in Echtzeit». Täglich ist ungefähr so oft, wie es das kostenlose Kontingent von GitHub Actions zulässt.

Wer sich früh bewirbt, ist klar im Vorteil. Eine Studie der HSLU von 2025 zur Rekrutierung im KI-Bereich in der Schweiz zeigt, dass Stellen schon nach einer Woche wieder vergeben sein können.

«Tempo ist entscheidend: Ausgeschriebene Stellen sind schnell wieder weg, teils innert einer Woche. So gingen etwa auf eine Stelle als Data Engineer in nur drei Tagen 50 Bewerbungen ein. Stellensuchende müssen die Jobportale laufend im Auge behalten und sich rasch bewerben.»

Genau dafür gibt es den kostenlosen wöchentlichen Job-Alert. Melde dich an, und die neuesten Stellen landen jeden Montag in deinem Postfach, damit du nicht zu spät kommst.

Ausschliesslich von öffentlichen Karriereseiten von Firmen und Hochschulen. Jeder Arbeitgeber hat einen eigenen Scraper. Wir übernehmen nichts von LinkedIn, Indeed, Glassdoor oder anderen Jobaggregatoren. Die einzige Ausnahme ist ein Inserat mit der Markierung «Hiring-Partner», das uns der Arbeitgeber direkt gibt.

SwissAIJob erfasst aktuell 139 Schweizer Arbeitgeber, von KI-nativen Start-ups über grosse Unternehmen (Banken, Versicherungen, Pharma, Uhrenhersteller, Detailhändler) bis zu den Forschungsanstalten des Bundes und den kantonalen Universitäten. Alle siehst du auf der Startseite oder gefiltert nach Rolle unter /jobs/category/academia und /jobs/category/research.

Du kennst eine Schweizer Firma, die KI- oder ML-Stellen ausschreibt und hier fehlt? Schick den Firmennamen und einen Link zu ihrer Karriereseite an companies@swissaijob.ch, dann kommt ein Scraper dazu.

Die meisten Schweizer Arbeitgeber veröffentlichen keine Löhne, deshalb schätzt ein Sprachmodell die angezeigte Spanne. Das Modell betrachtet Firma, Rolle, Level und Sektor, schätzt anhand Schweizer Richtwerte (FAANG, mittelgrosse Tech-Firmen, Beratung, Start-ups, Hochschulen) eine Untergrenze, rundet sie auf CHF 5’000 genau und rechnet für die Obergrenze CHF 20’000 dazu. Nennt ein Inserat den Lohn in Franken, zeigt die Stelle stattdessen diese Spanne, markiert mit «genannt». Nimm Schätzungen als grobe Orientierung, nicht als Zusage. Wie Stellen erfasst und Löhne geschätzt werden, steht ausführlich in der Methodik.

Berechtigte Frage. So läuft es genau ab: scraper/estimate-salaries.js übergibt Googles Gemini 2.5 Flash sechs strukturierte Felder (Titel, Firma, Sektor, Kategorie, Ort, Anstellungsart) und dazu den vollständigen Beschreibungstext. Der Systemprompt verankert das Modell mit ausdrücklichen Schweizer Marktrichtwerten (FAANG CHF 130–200k für Senior, mittelgrosse Schweizer Tech-Firmen 100–150k, Beratung 100–140k, Start-ups 80–120k, Hochschulen 70–100k, Doktorat fix CHF 50k, Postdoc 80k) und mit Anpassungen nach Level (−15 bis −20k für Junior, +20 bis +30k für Senior, +35 bis +50k für Lead oder Staff, +60k und mehr für Principal). Das Modell gibt salary_min zurück, auf CHF 5’000 genau gerundet; für die Obergrenze rechnen wir 20’000 dazu. Nennt die Beschreibung selbst einen Lohn oder einen Ansatz der Lohnskala für Doktorierende, weist der Prompt das Modell an, diesen zu übernehmen.

Das ist tatsächlich zero-shot. Der Prompt enthält keine Beispielpaare (job → salary), nur Kontext zum Fachgebiet, und das lässt sich aus zwei Gründen vertreten. Erstens: Das Signal steckt bereits im Trainingskorpus. Schweizer Lohnspannen sind über Glassdoor, levels.fyi, kununu, jobs.ch, lohncomputer.ch, die Personalverordnungen von ETH und BFH sowie Tausende von Zeitungsartikeln und Forenbeiträgen verstreut, und all das hat das Modell im Pretraining gesehen. Wer es um eine Lohnschätzung bittet, bittet es im Grunde, zusammenzufassen, was es sich über Schweizer Löhne gemerkt hat, bezogen auf die jeweilige Rolle. Die Richtwerte im Prompt sind keine Trainingsdaten, sondern Anker, die die Verteilung auf der richtigen Stufe festhalten, damit das Modell nicht zu US-Zahlen abdriftet. Ein A/B-Test mit 60 Stellen hat das bestätigt: Ohne die Anker steigen die Schätzungen auf FAANG-Niveau von rund 150–170k auf 220–230k (die üblichen Werte der US-Tech-Branche), und Praktika fallen auf CHF 0, weil das Modell annimmt, sie könnten unbezahlt sein. Zweitens: Selbst offene Lohnportale veröffentlichen Spannen, keine Punktschätzungen. Glassdoor und levels.fyi geben Bänder an, weil der Lohn von Erfahrung, Team, Leistung und Verhandlung abhängt, und nichts davon steht im Inserat. Eine Schätzung eines LLM mit ±CHF 10’000 bewegt sich in derselben Grössenordnung wie der Interquartilsabstand, den Glassdoor für dieselbe Rolle angibt.

Die begutachtete Fachliteratur stützt das, gerade für numerische und tabellarische Aufgaben wie unsere. Brown et al., Language Models are Few-Shot Learners (NeurIPS 2020), ist das grundlegende Ergebnis, dass grosse vortrainierte Modelle nachgelagerte Aufgaben allein anhand von Anweisungen lösen, ganz ohne gelabelte Beispiele. Gruver et al., Large Language Models Are Zero-Shot Time Series Forecasters (NeurIPS 2023), ist die stärkste einzelne Quelle für unseren Anwendungsfall: Die Autoren zeigen, dass LLMs Zahlenfolgen zero-shot so gut fortschreiben wie eigens dafür trainierte Modelle oder sogar besser. Und Hegselmann et al., TabLLM: Few-shot Classification of Tabular Data with Large Language Models (AISTATS 2023), zeigen, dass strukturierte Tabellenfelder (etwa Titel / Firma / Sektor / Ort), einem LLM als Klartext übergeben, im Vergleich zu baumbasierten Baselines konkurrenzfähige Zero- und Few-Shot-Vorhersagen liefern. Genau in diesem Format übergibt estimate-salaries.js die Daten an das Modell.

Einschränkung: Für die Schätzung gibt es keinen Kalibrierungsdatensatz, und wir behaupten nie, sie sei auf den Franken genau. Behandle die angezeigte Spanne wie ein Lohnband auf Glassdoor: als vernünftigen Ausgangswert, nicht als Zusage.

Ja. Stellen an der ETH Zürich, der EPFL, der Universität Zürich, der Universität Basel, der HSG, der ZHAW und weiteren Schweizer Hochschulen und Forschungsinstituten sind alle erfasst. Du findest sie unter /jobs/category/academia.

Ja, aber der Arbeitgeber muss deine Bewilligung beantragen. Er muss nachweisen, dass er in der Schweiz und im EU/EFTA-Raum keine geeignete Person gefunden hat, dass du qualifiziert bist und dass er den üblichen Lohn zahlt, und er braucht eine der jährlichen Kontingentsbewilligungen. Staatsangehörige der EU und EFTA brauchen nur einen Arbeitsvertrag. Unser Leitfaden dazu, wie du als Ausländer einen KI-Job in der Schweiz findest, erklärt die Regeln, die einfacheren Wege über Schweizer Hochschulen und was Schweizer KI-Inserate verlangen.

Klick in der Suchleiste auf CV Match (oder öffne /match) und lade deinen CV als PDF hoch. Der Server extrahiert den Text, wandelt ihn mit text-embedding-3-small von OpenAI in ein Embedding um und ordnet jede aktive Stelle nach ihrer semantischen Ähnlichkeit (Kosinus-Ähnlichkeit) dazu. Die ganze Liste wird neu sortiert, sodass die besten Treffer zuoberst stehen, in derselben Liste wie beim Stöbern. Auf der anonymen Seite /match wird dein CV im Arbeitsspeicher verarbeitet und nie gespeichert. Wenn du dich anmeldest und einen CV in deinem Konto hochlädst, bleibt er dort gespeichert, damit die ganze Jobliste danach sortiert werden kann, wie gut jede Stelle zu dir passt, bis du ihn ersetzt oder dein Konto löschst.

Die Nutzungsbedingungen von LinkedIn verbieten Scraping, und Jobbörsen von Drittanbietern übernehmen Stellen, ohne zu prüfen, ob sie noch offen sind. Daher kommen die meisten Probleme mit «veralteten Inseraten». SwissAIJob bezieht Stellen nur von öffentlichen Karriereseiten der Arbeitgeber selbst, deshalb führt jede URL zur Originalquelle.

Ein einzelner Entwickler in der Schweiz, der genug hatte von lückenhaften KI-Jobbörsen mit Registrierungspflicht. Die Plattform wird weitgehend von Agenten betrieben. KI-Agenten fügen laufend Scraper für neue Arbeitgeber hinzu, pflegen und reparieren sie. Kontakt: contact@swissaijob.ch.

Es sind Schwesterseiten. SwissAIJob deckt KI- und Machine-Learning-Stellen in der ganzen Schweiz ab; SwissQuantJob deckt Quant-Stellen im Finanzbereich ab und basiert auf dem Design von SwissAIJob.