AI Data Annotation Specialist
Neura Robotics
AI Data Annotation Specialist
Neura Robotics
Cognitive robots with perception, manipulation, collaboration
Als 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.
Du spielst eine entscheidende Rolle dabei, hochwertige Embodied-AI-Systeme zu ermöglichen, indem du rohe multimodale Roboterdaten in strukturierte, verlässliche und semantisch reichhaltige Trainingsdatensätze verwandelst.
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
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
Du nimmst multimodale Daten (Video, Tiefe, Propriozeption, Gripper States, Sprachinstruktionen) auf und integrierst sie in strukturierte Annotation-Workflows
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
Du definierst und implementierst Datenqualitätsprüfungen: Inter-Annotator Agreement, Label-Konsistenz, Coverage-Analyse und Erkennung von Annotation Drift
Du treibst Data-Curation-Initiativen voran: Dataset Balancing, Deduplizierung, Failure-Case Mining, Task-Diversity-Analyse und gezielte Datenerhebung zur Schließung von Capability Gaps
Du identifizierst und behebst Datenqualitätsprobleme, Labeling-Inkonsistenzen, Verteilungs-Bias sowie Lücken in der Task-/Skill-Abdeckung
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 Labeling-Workflows (z. B. Encord, CVAT, Label Studio oder vergleichbare Plattformen)
Erfahrung mit Subtask-Annotation, Ontologie-/Taxonomie-Design und VQA-Style-Labelling
Vertrautheit mit Robotik-Datensatzformaten und multimodaler Datenstrukturierung (z. B. LeRobot, RLDS, Open X-Embodiment)
Erfahrung mit Cloud-Plattformen (AWS, GCP, Azure) von Vorteil
Erfahrung im Verfassen von Annotation Guidelines / Taxonomien (ergänzt die oben genannte Verantwortung)
Vertrautheit mit VLMs/LLMs für Auto-Labeling (z. B. Open-Vocabulary-Detektoren, Modelle der Gemini-/GPT-Klasse)
Grundkenntnisse in Data Engineering — sicherer Umgang mit großskaligen/Streaming-Daten und Formaten wie ROS Bags/MCAP sowie S3-artigem Object Storage
Erfahrung im Aufbau von Backend-Services und Tooling (z. B. Node.js/TypeScript, REST-APIs) zur Integration von Annotation-Plattformen in interne Dateninfrastruktur
Von Vorteil: direkte Erfahrung mit Embodied-AI-/Teleoperationsdaten
Cognitive robots with perception, manipulation, collaboration
Neura Robotics builds cognitive robots for industrial and service settings, combining perception, manipulation, and human collaboration. It develops both the hardware and the software stack for Physical AI, creating robot platforms like MAiRA, MAV, LARA and MiPA along with training infrastructure. The system works by integrating sensing, decision-making, and manipulation capabilities on a hardware-software stack that can be deployed in large-scale production, with the company planning robots fleets and NEURA Gyms for ongoing training and improvement. What sets Neura Robotics apart is its end-to-end approach to Physical AI, including a focus on mass production, an established global deployment plan, and a broad ecosystem of strategic backers and partners that support scaling and international expansion. The goal is to enable worldwide deployment of its robot platforms and associated training infrastructure, turning physical AI into widely available industrial and service automation.
Explore more opportunities at Neura Robotics