{"id":1123,"date":"2026-08-19T09:48:30","date_gmt":"2026-08-19T09:48:30","guid":{"rendered":"https:\/\/matforge.org\/?p=1123","raw":"https:\/\/matforge.org\/?p=1123"},"modified":"2026-08-19T09:48:30","modified_gmt":"2026-08-19T09:48:30","slug":"scientific-computing-career-paths-research-software-engineer","status":"publish","type":"post","link":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/","title":{"rendered":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur","raw":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur"},"content":{"rendered":"<span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 9<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span><h2>Schl\u00fcssel zum Mitnehmen<\/h2>\n<ul>\n<li><strong>Was ein RSE bewirkt: <\/strong> Ein Forschungssoftware-Ingenieur baut und wartet die Software, die wissenschaftliche Forschung unterst\u00fctzt &#8211; von Simulations-Engines bis hin zu Daten-Pipelines. Im Gegensatz zu reinen Softwareingenieuren verbinden RSEs Dom\u00e4nenkompetenz mit technischer Genauigkeit.<\/li>\n<li><strong>Zwei&gt;Einstiegspfade:<\/strong> Sie k\u00f6nnen entweder als Softwareentwickler (starkes Engineering, schw\u00e4cheres Dom\u00e4nenwissen) oder als Forscher (starker Bereich, schw\u00e4cheres Engineering) eingeben. Beide laufen im Laufe der Zeit auf die gleichen Kompetenzen zusammen.<\/li>\n<li><strong>Gehalt nach Sektoren:<\/strong> Rollen in der Wissenschaft\/Universit\u00e4t reichen von 70.000 bis 165.000 US-Dollar, 90.000 US-Dollar und 225.000 US-Dollar, Industrie 130.000 US-Dollar und Big Tech 200.000 bis 500.000 USD. Die L\u00fccke wird auf h\u00f6heren Ebenen verringert.<\/li>\n<li><strong>Genai wird umgestaltet, nicht ersetzt:<\/strong> Generative KI erm\u00f6glicht eine 55\u201356% schnellere Codierung mit Copilot, kann jedoch keine Forschungssoftware &#8222;wirklich verstehen oder pflegen&#8220;. RSE werden immer wichtiger, nicht weniger.<\/li>\n<li><strong> Karriereleitern: <\/strong> Die von Experten begutachtete Studie von Princeton zeigte, dass eine angemessene Karriereleiter den RSE-Umsatz von 70% auf 7% reduzierte, was beweist, dass parallele IC- und Team-Lead-Spuren eine Rolle spielen.<\/li>\n<\/ul>\n<div class=\"caption\" style=\"text-align: center; font-size: 0.85em; color: #666; margin-top: 1em; margin-bottom: 1.5em;\"><strong>Visuelle Anmerkung:<\/strong> Eine RSE-Karriere-Roadmap-Infografik mit Einstiegswegen \u2192 Junior \u2192 Mid-Level \u2192 Senior \u2192 Principal \/ Team Lead Tracks mit Gehaltsb\u00e4ndern und Skill-Meilensteinen werden separat in Auftrag gegeben. W\u00e4hrend der Ver\u00f6ffentlichungsphase wird eine Platzhaltergrafik hinzugef\u00fcgt.<\/div>\n<h2>Was ist ein Forschungssoftware-Ingenieur?<\/h2>\n<p>Ein Research Software Engineer (RSE) ist ein Fachmann, der die Software entwickelt, pflegt und optimiert, die zur Unterst\u00fctzung der wissenschaftlichen Forschung eingesetzt wird. Der Begriff wurde 2012 im Collaborations-Workshop des Software Sustainability Institute gepr\u00e4gt und seitdem durch die Rollendefinition von Casrai als &#8222;Profi, dessen Karriere sich auf die Entwicklung und Anwendung von Software zur Unterst\u00fctzung der Forschungsaktivit\u00e4ten konzentriert&#8220; [1] formalisiert.<\/p>\n<p>Dies ist keine Forschungs-IT-Rolle &#8211; es ist eine Engineering-Rolle f\u00fcr die Forschung <em> -Software <\/em>. Die Unterscheidung z\u00e4hlt. Ein RSE verwaltet nicht nur die Infrastruktur. Sie schreiben, testen und optimieren den tats\u00e4chlichen Code, der Simulationen ausf\u00fchrt, verarbeitet Daten und visualisiert Ergebnisse. Sie sind die Br\u00fccke zwischen wissenschaftlichen Fragen und funktionierender Software.<\/p>\n<p>Wenn Sie bereits mit den Mesh-Strukturen von FIPY arbeiten oder <a href=\"https:\/\/matforge.org\/how-fipy-handles-meshes-and-grid-structures\/\">How Fipy mit Meshes und Gitterstrukturen umgehen<\/a>, sto\u00dfen Sie bereits auf Forschung Software Bei der RSE-Karriere geht es darum, diese Software in gro\u00dfem Ma\u00dfstab zu erstellen, mit der gleichen technischen Genauigkeit, die die Industrie f\u00fcr ihre Produkte gilt.<\/p>\n<h3>Warum RSEs wichtig sind<\/h3>\n<p>Moderne wissenschaftliche Forschung h\u00e4ngt zunehmend von Software ab. Eine einzelne Simulation kann wochenlang mit Hunderten von Kernen ausgef\u00fchrt werden. Datenpipelines verarbeiten Terabyte von Messungen. Die Reproduzierbarkeit erfordert versionierte, getestete Codebasen, die andere Forscher auditieren und erweitern k\u00f6nnen.<\/p>\n<p>Der CASRAI-Rolle-Leitfaden fasst RSes explizit als &#8222;kritisch f\u00fcr den Erfolg der modernen Forschung&#8220; ein, da Software jetzt die Hauptausgabe der Computerwissenschaft ist &#8211; nicht nur ein Mittel zum Zweck. Forscher, die den Code der Produktionsqualit\u00e4t nicht aufrechterhalten k\u00f6nnen, werden ihre Arbeit fragil finden. Die RSE-Karriere existiert genau, um diese L\u00fccke zu l\u00f6sen.<\/p>\n<h2>Zwei Einstiegspfade in RSE<\/h2>\n<p>Es gibt zwei Hauptwege in der Engineering-Software, und beide haben unterschiedliche St\u00e4rken und blinde Flecken.<\/p>\n<h3>Pfad 1: Softwareentwickler \u2192 RSE<\/h3>\n<p>Personen, die aus reinem Software-Engineering-Hintergrund eintreten, kommen mit starken technischen Praktiken &#8211; Versionskontrolle, Tests, Code-\u00dcberpr\u00fcfung, API-Design, Modularit\u00e4t. Sie k\u00f6nnen vom ersten Tag an produktionstechnischen Code schreiben.<\/p>\n<p><strong>Was sie gut machen: <\/strong> Codearchitektur, Test-Frameworks, Skalierbarkeit, Dokumentation, CI \/ CD-Pipelines.<\/p>\n<p><strong>Womit sie zu k\u00e4mpfen haben:<\/strong> Mehrdeutige Forschungsanforderungen, dom\u00e4nenspezifische Terminologie, der Unterschied zwischen einem funktionierenden Prototyp und einer produktionsbeschaffbaren Codebasis. Forscher sagen oft &#8222;Ich brauche etwas, das X tut&#8220;, wo X schlecht definiert ist. Ingenieure ben\u00f6tigen genaue Spezifikationen.<\/p>\n<h3>Pfad 2: Forscher \u2192 RSE<\/h3>\n<p>Doktoranden, Postdocs und hochrangige Forscher wechseln nach Jahren des Schreibens von Skripten und Tools f\u00fcr ihre eigene Forschung in RSE-Rollen. Sie verstehen die Wissenschaft tief.<\/p>\n<p><strong>Was sie gut machen: <\/strong> Domain-Expertise, Formulierung von Forschungsproblemen, wissenschaftliche Validierung, Literaturrecherche, Kommunikation mit Domain-Wissenschaftlern.<\/p>\n<p><strong>Was sie haben: <\/strong> Code-Modularit\u00e4t, Tests, Skalierbarkeit, Refactoring und die technischen Gewohnheiten, die Code f\u00fcr andere aufrechterhalten k\u00f6nnen. Sie neigen dazu, f\u00fcr &#8222;es funktioniert auf meiner Maschine&#8220; und nicht &#8222;es funktioniert auf jeder Maschine&#8220;.<\/p>\n<h3>Die Konvergenz<\/h3>\n<p>Beide Wege laufen auf den gleichen Kernkompetenzen zusammen. Ein Softwareentwickler, der lange genug in der RSE-Rolle bleibt, lernt die Domain. Ein Forscher, der lange genug in RSE \u00fcbergeht, lernt das Engineering. Die besten RSEs kommen aus beiden Hintergrund &#8211; sie ben\u00f6tigen nur unterschiedliche Zeitleisten, um die gleiche Etage zu erreichen.<\/p>\n<p>Diego Alonso \u00c1lvarez des Software Sustainability Institute dokumentierte diese Reise pers\u00f6nlich und ging vom Postdoc zum Senior RSE am Imperial College. Sein Blog-Beitrag auf <a href=\"https:\/\/www.software.ac.uk\/blog\/researcher-rse-my-career-path\" rel=\"nofollow\">Forschungs-zu-RSE-Karriereweg<\/a> f\u00e4ngt den \u00dcbergang mit ein Offenes Detail \u00fcber die Kompetenzl\u00fccke und die Lernkurve.<\/p>\n<h2>RSE gegen Data Scientist gegen Software Engineer<\/h2>\n<p>Diese drei Rollen werden h\u00e4ufig in Stellenanzeigen und Abteilungsbudgets zusammengef\u00fchrt. Ein 2025 Peer-Review-Vergleich im <a href=\"https:\/\/dl.gi.de\/bitstreams\/8a9bf840-a0c9-4210-8df5-6479dcd7d7f3\/download\" rel=\"nofollow\"> gi digital. Die Bibliothek <\/a> macht die Unterscheidungen explizit, und Institutionen, die sie verwirren, neigen dazu, falsch zu budgetieren und falsch einzustellen.<\/p>\n<table>\n<thead>\n<tr>\n<th>Dimension<\/th>\n<th>Forschungssoftware-Ingenieur<\/th>\n<th>Datenwissenschaftler<\/th>\n<th>Softwareentwickler<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Prim\u00e4rausgabe<\/strong><\/td>\n<td>Langlebige, getestete Software<\/td>\n<td>Analyse und Ergebnisse<\/td>\n<td>Kommerzielle Softwareprodukte<\/td>\n<\/tr>\n<tr>\n<td><strong>Domainfokus<\/strong><\/td>\n<td>Fachwissen der Forschungsdom\u00e4ne<\/td>\n<td>Statistisches\/Domain-Know-how<\/td>\n<td>Anwendungsdom\u00e4nenkompetenz<\/td>\n<\/tr>\n<tr>\n<td><strong>Lebenszyklusposition<\/strong><\/td>\n<td>Erstellt Tools, die andere wiederverwenden<\/td>\n<td>verbraucht Daten, erzeugt Erkenntnisse<\/td>\n<td>Erstellt Funktionen, die Benutzer kaufen<\/td>\n<\/tr>\n<tr>\n<td><strong>Code-Haltbarkeit<\/strong><\/td>\n<td>Entwickelt f\u00fcr mehrj\u00e4hrige Wiederverwendung<\/td>\n<td>Oft einmalige oder Notebook-basiert<\/td>\n<td>Entwickelt f\u00fcr den Produktlebenszyklus<\/td>\n<\/tr>\n<tr>\n<td><strong>Validierung<\/strong><\/td>\n<td>Wissenschaftliche Korrektheit + technischer Strenge<\/td>\n<td>Statistische Signifikanz + Modellgenauigkeit<\/td>\n<td>Leistung, Sicherheit, UX<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Der Schl\u00fcsselunterschied f\u00fcr unser Publikum: <strong>Ein Data Scientist Outputs Analysis; Ein Forschungssoftware-Ingenieur gibt Software aus, die andere Personen wiederverwenden <\/strong>. Wenn Ihre Institution diese Rollen in Einklang bringt, investieren Sie wahrscheinlich in eine reproduzierbare Forschungsinfrastruktur.<\/p>\n<h2>Kernkompetenzen<\/h2>\n<p>Die US-RSE-Ausbildungs- und Ausbildungsgruppe sowie die Goth et al. (2025) Kompetenzrahmen [PMC12426816], Identifizieren Sie drei S\u00e4ulen der RSE-Kompetenz. Jede S\u00e4ule hat Fortschritte auf Karriereebene.<\/p>\n<h3>1. Software \/ technische F\u00e4higkeiten<\/h3>\n<p>Dies ist die technische S\u00e4ule. Es umfasst:<\/p>\n<ul>\n<li>Versionskontrolle (Git, DVC, DataLad)<\/li>\n<li>Testen (Einheit, Integration, Regression, Regressionstest)<\/li>\n<li>Codequalit\u00e4t (Fussen, Typenpr\u00fcfung, Fusselwerkzeuge)<\/li>\n<li>Leistungsoptimierung (Parallelisierung, GPU, Profiling)<\/li>\n<li>Wissenschaftliche Bibliotheken (Numpy, Scipy, Fipy, Ngsolve)<\/li>\n<li>DevOps (CI\/CD, Containerisierung, HPC Job Scheduler)<\/li>\n<\/ul>\n<p>Diese F\u00e4higkeiten spiegeln das wider, was Sie in <a href=\"https:\/\/matforge.org\/reproducibility-workflows-beyond-containers-data-versioning-and-provenance-tracking\/\">Workflows f\u00fcr Reproduzierbarkeit finden werden: Datenversionierung und Provenienzverfolgung <\/a> und <a href=\"https:\/\/matforge.org\/python-testing-patterns-for-scientific-code-beyond-pytest-basics\/\"> Python-Testmuster f\u00fcr wissenschaftlichen Code <\/a>.<\/p>\n<h3>2. Forschungsf\u00e4higkeiten<\/h3>\n<p>Dies ist die Domain-S\u00e4ule. Es umfasst:<\/p>\n<ul>\n<li>Dom\u00e4nenspezifische Modellierung (PDE-Solver, Finite-Elemente-Methoden)<\/li>\n<li>Numerische Methoden (FEM, FVM, endliche Unterschiede)<\/li>\n<li>Algorithmusentwicklung (Adaptive Netzverfeinerung, Multi-Fidelity-Methoden)<\/li>\n<li>Wissenschaftliche Validierung (Konvergenztests, Benchmark-Probleme)<\/li>\n<li>Literatursynthese (Verst\u00e4ndnis Stand der Technik)<\/li>\n<\/ul>\n<p>In dieser S\u00e4ule gl\u00e4nzt ein PhD-Hintergrund und ein Software-Ingenieur ben\u00f6tigt gezielte Schulungen. Die MIT-Workshops f\u00fcr fehlende Semester und Schreiner bieten barrierefreie Einstiegspunkte.<\/p>\n<h3>3. Kommunikations- \/ Kollaborationsf\u00e4higkeiten<\/h3>\n<p>Dies ist die Soft-Skills-S\u00e4ule, aber alles andere als weich. Es umfasst:<\/p>\n<ul>\n<li>Team\u00fcbergreifende Kommunikation (Erkl\u00e4rung technischer Einschr\u00e4nkungen f\u00fcr Domain-Wissenschaftler)<\/li>\n<li>Projektmanagement (Scoping, Meilensteinplanung, Agile)<\/li>\n<li>Mentoring (Onboarding Junior RSEs, Code Review Guidance)<\/li>\n<li>Community-Teilnahme (Open-Source-Beitrag, Konferenzsprache)<\/li>\n<\/ul>\n<p>Die Goth et al. Framework ordnet diese Kompetenzen auf Karriereebenen (von der Grundlage bis zum Experten) und die <a href=\"https:\/\/us-rse.org\/wg\/education_training\/skills\/\" rel=\"nofollow\">US-RSE-F\u00e4higkeitsliste<\/a> Enumeration, die Sie als Selbstbewertungsrubrik verwenden k\u00f6nnen.<\/p>\n<h2>Karrierefortschrittsrahmen<\/h2>\n<p>RSE-Karriereleitern waren historisch gesehen der schw\u00e4chste Punkt in der akademischen Karriereinfrastruktur. Ohne klare Fortschrittswege gehen talentierte RSEs f\u00fcr die Industrie &#8211; bis vor kurzem.<\/p>\n<h3>Ebenenfortschritt<\/h3>\n<p>F\u00fchrende Institutionen verwenden Level-Frameworks wie L1 \u2013 L4 (vom Grundbeitrag zum Experten \/ F\u00fchrer) und P1 bis P6 (vom Anf\u00e4nger zum Auftraggeber). Dies sind keine willk\u00fcrlichen Titel &#8211; sie ordnen sich konkreten Verantwortlichkeiten zu:<\/p>\n<table>\n<thead>\n<tr>\n<th>Ebene<\/th>\n<th>Typischer Titel<\/th>\n<th>Hauptverantwortung<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>L1 \/ P1<\/td>\n<td>Junior RSE<\/td>\n<td>Zugeordnete Aufgaben unter Anleitung ausf\u00fchren<\/td>\n<\/tr>\n<tr>\n<td>L2 \/ P2<\/td>\n<td>RSE auf mittlerer Ebene<\/td>\n<td>ein Modul oder Werkzeug besitzen; Mentor Junioren<\/td>\n<\/tr>\n<tr>\n<td>L3 \/ P3<\/td>\n<td>Senior rse<\/td>\n<td>Architektur definieren; Projekte leiten<\/td>\n<\/tr>\n<tr>\n<td>L4 \/ P4 +<\/td>\n<td>Haupt-RSE<\/td>\n<td>Richtung einstellen; Organisation vertreten<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Die parallele Spur<\/h3>\n<p>Eine kritische Innovation auf der RSE-Leiter ist die parallele Team-Lead-Strecke. Nicht jeder RSE m\u00f6chte ein Hauptindividualbeitrager sein. Einige bevorzugen die Verwaltung von Menschen und Projekten. Princetons Peer-Review-Studie (ARXIV 2602.19353V1, Februar 2026) dokumentierte dies explizit und zeigte, dass <strong>Die Umsatzerl\u00f6se von 70% (Pre-Leiter, f\u00fcnf Jahre) sanken Fenster) bis 7% (Post-Ladder, Dreijahresfenster)<\/strong> Nach der Implementierung von Associate \u00fcber Principal Levels mit einer parallelen Team-Lead-Spur.<\/p>\n<p>Dies ist der erste dokumentierte, von Fachleuten \u00fcberpr\u00fcfte Beweis f\u00fcr die Auswirkungen einer Karriereleiter auf die RSE-Retention. Es zeigt, dass die Leiter wichtig ist &#8211; nicht nur die Existenz von Ebenen, sondern auch die Existenz von <em> parallelen <\/em> -Tracks.<\/p>\n<h3>SSIs fr\u00fche Karriereperspektiven<\/h3>\n<p>Vier RSE aus dem Forschungssoftwarelager des Software Sustainability Institute (November 2025) beschrieben die Fortschrittsherausforderungen bis ins Detail &#8211; von unklaren Erwartungen und Finanzierungsunsicherheit bis hin zur Realit\u00e4t von KI-St\u00f6rungen. Ihre Perspektiven, gesammelt in <a href=\"https:\/\/www.software.ac.uk\/blog\/early-career-perspectives-career-and-skills-research-software\" rel=\"nofollow\">&#8222;Fr\u00fche Karriereperspektiven&#8220; und F\u00e4higkeiten in der Forschungssoftware &#8222;<\/a> sind f\u00fcr alle, die diesen Weg in Betracht ziehen, eine wesentliche Lekt\u00fcre.<\/p>\n<h2>Forschungssoftware Engineering Gehalt nach Branchen<\/h2>\n<p>Das Gehalt ist der konkreteste Vergleich, den Menschen bei der Entscheidung zwischen den Karrierewegen machen. Die folgenden Daten stammen von Casrai Guidelines, Research.com, Levels.FYI und Glassdoor.<\/p>\n<table>\n<thead>\n<tr>\n<th>Sektor<\/th>\n<th>Typische Reichweite<\/th>\n<th>Notizen<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Wissenschaft \/ Universit\u00e4t<\/td>\n<td>$ 70k &#8211; $ 165k<\/td>\n<td>stark auf h\u00f6herer Ebene; durch akademische Budgets eingeschr\u00e4nkt; &#8222;Wartungsfalle&#8220; wo Publikationen den Code \u00fcberwiegen<\/td>\n<\/tr>\n<tr>\n<td>Nationale Labore<\/td>\n<td>90.000 bis 225.000 US-Dollar<\/td>\n<td>Lawrence Livermore \u00fcber Levels.FYI verifiziert (Software Engineer Range $ 110k\u2013 $ 225k); starke Vorteile; Missionsgesteuert<\/td>\n<\/tr>\n<tr>\n<td>Industrie (Forschungsabteilungen)<\/td>\n<td>$ 130K &#8211; $ 210K<\/td>\n<td>n\u00e4her an der gro\u00dfen Tech-Kompensation; st\u00e4rkere Karriereleitern; Kommerzieller Druck<\/td>\n<\/tr>\n<tr>\n<td>Gro\u00dfe Technik<\/td>\n<td>$ 200K \u2013 $ 500k +<\/td>\n<td>H\u00f6chste Bezahlung; am meisten strukturierte Progression; Forschungssoftwarerollen, die h\u00e4ufig als &#8222;Angewandter Wissenschaftler&#8220; oder &#8222;Research Software Engineer&#8220; gekennzeichnet sind<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Der National Lab Sector (LLNL, LANL, ORNL) stellt die \u00fcberzeugendste Option im mittleren Bereich dar: Bessere Bezahlung als Wissenschaft, weniger kommerzieller Druck als Industrie und Missionsausrichtung auf wissenschaftliche Forschung. Der Glassdoor-Durchschnitt f\u00fcr RSE-Rollen liegt weltweit bei rund 184.000 US-Dollar, wobei der Standort und das Dienstalter erheblich variieren.<\/p>\n<p>Was die Gehaltsdaten strukturell zeigen: <strong> Die &#8222;Wartungsfalle&#8220; <\/strong> &#8211; Akademische Karrieresysteme belohnen Ver\u00f6ffentlichungen, nicht Code. Ein RSE, der exzellente, weit verbreitete Software produziert, aber weniger Papiere in der akademischen F\u00f6rderung im Vergleich zu einem Domain-Wissenschaftler, der h\u00e4ufig ver\u00f6ffentlicht, ins Hintertreffen geraten. Aus diesem Grund ist die Princeton-Leiter mit ihrer expliziten Anerkennung von Software-Beitr\u00e4gen transformativ.<\/p>\n<h2>Genais Auswirkungen auf die RSE-Karriere<\/h2>\n<p>Generative KI formt die Karrieren von Forschungssoftware schneller als die meisten Karrieref\u00fchrer an. Zwei aktuelle Studien liefern das klarste Bild.<\/p>\n<h3>Die SSSI-Ergebnisse (Nov 2025)<\/h3>\n<p>Das Software Sustainability Institute ver\u00f6ffentlichte im November 2025 eine umfassende Analyse zu <a href=\"https:\/\/www.software.ac.uk\/blog\/ai-after-my-job-navigating-future-research-software-engineering\" rel=\"nofollow\"> &#8222;AI nach meinem Job &#8211; Navigieren in die Zukunft des Forschungssoftware-Engineerings&#8220; <\/a>. Die \u00dcberschriftenfindung: <strong>RES sind &#8222;wichtiger als je zuvor&#8220;, weil KI die Forschungssoftware nicht &#8222;wirklich verstehen oder pflegen&#8220; kann.<\/strong><\/p>\n<p>Spezifische Ergebnisse:<\/p>\n<ul>\n<li><strong>Produktivit\u00e4tsgewinne:<\/strong> Copilot bietet 55\u201356% schnellere Codierung mit KI-Unterst\u00fctzung<\/li>\n<li><strong>Deskilling-Risiken:<\/strong> Verlassen Sie sich auf KI ohne Verst\u00e4ndnis, k\u00f6nnen genau die F\u00e4higkeiten untergraben, die RSES von Junior-Entwicklern unterscheiden<\/li>\n<li><strong>Validierungsl\u00fccke:<\/strong> KI-generierter Code muss von jemandem \u00fcberpr\u00fcft werden, der sowohl den Code <em> als auch <\/em> der Wissenschaft versteht<\/li>\n<li><strong>Empfehlung:<\/strong> Investieren Sie in KI-Alphabetisierung. Lernen Sie promptes Engineering, aber h\u00f6ren Sie nie auf, Grundlagen zu lernen.<\/li>\n<\/ul>\n<h3>Das AI4RSE-Quadrantenmodell<\/h3>\n<p>Siamak Farshidi et al. aus dem AI4RSE-Labor (Universit\u00e4t Wageningen, ICSE 2026) hat ein <strong>Quadrantenmodell f\u00fcr AI-Augmented Research Software<\/strong> <a href=\"https:\/\/arxiv.org\/html\/2508.05693v1\" rel=\"nofollow\"> arxiv.org\/html\/2508.05693v1 <\/a>. Das Modell gliedert den Forschungscode in vier Quadranten:<\/p>\n<ol>\n<li><strong>Exploratory Coding<\/strong> \u2014 Schnelle Skripte zur Hypothesengenerierung (AI-unterst\u00fctzt, geringes Risiko)<\/li>\n<li><strong>Vibe-Codierung<\/strong> \u2013 Experimenteller KI-generierter Code mit unsicherer Korrektheit (hohes Risiko)<\/li>\n<li><strong>Traditionelle RSE<\/strong> \u2014 produktionsbedingter, Peer-Review-Code (AI-gest\u00fctzte Rezension, nicht Generierung)<\/li>\n<li><strong>AI4RSE<\/strong> \u2013 Mit AI entwickelter Code, bei dem die KI der Hauptautor ist (aufstrebende Spezialit\u00e4t)<\/li>\n<\/ol>\n<p>Zu den aufkommenden Spezialisierungen geh\u00f6ren <strong>AI-Orchestrierung<\/strong> (Verwaltung mehrerer KI-Modelle in Forschungs-Workflows), <strong>LLM-Bewertung<\/strong> (Bewertung von KI-Ausgaben f\u00fcr wissenschaftliche G\u00fcltigkeit) und <strong>Green\/Reliable AI-Bereitstellung<\/strong> Inferenz in wissenschaftlichen Kontexten).<\/p>\n<h3>Die Fraunhofer-Perspektive<\/h3>\n<p><a href=\"https:\/\/www.iese.fraunhofer.de\/blog\/generative-ai-in-software-engineering-scenarios-and-challenges\/\" rel=\"nofollow\">Fraunhofer IESE Blog <\/a> (November 2024, aktualisiert 2026) formt Genai eher als eine Verschiebung des Softwareentwicklungslebenszyklus als als Ersatz. Die F\u00e4higkeiten, die am wichtigsten sind, sind jetzt <strong>Architektur, \u00dcberpr\u00fcfung und Dom\u00e4nenexpertise<\/strong> &#8211; nicht nur die Codierungsgeschwindigkeit.<\/p>\n<h2>Berufsverb\u00e4nde und Ausbildungsressource<\/h2>\n<p>Die RSE-Community ist gut organisiert, mit nationalen Gremien, globalen Initiativen und standardisierter Ausbildung. Hier die aktuelle Landschaft:<\/p>\n<ul>\n<li><strong>Gesellschaft von RSE (UK) <\/strong> &#8211; Die Gr\u00fcndungs-RSE-Gesellschaft; Gastgeber der j\u00e4hrlichen RSE-Community-Meetings; F\u00fchrt Mentoring-Programme aus<\/li>\n<li><strong>US-RSE<\/strong> \u2014 das US-Pendant; pflegt die offizielle <a href=\"https:\/\/us-rse.org\/wg\/education_training\/skills\/\" rel=\"nofollow\">Folgsliste <\/a>; Gastgeber Workshops zur Karriereentwicklung<\/li>\n<li><strong>de-rse<\/strong> \u2014 Deutschlands nationale RSE-Gemeinschaft; F\u00fchrt Kompetenzrahmen und berufliche Entwicklungsinitiativen durch<\/li>\n<li><strong>Casrai<\/strong> \u2013 Globale Koordinierungsstelle; Ver\u00f6ffentlicht den <a href=\"https:\/\/casrai.org\/guides\/research-software-engineer-role-definition\" rel=\"nofollow\">RSE-Rollendefinitionshandbuch<\/a> mit Career-Track-Infrastruktur<\/li>\n<li><strong>The Carpentries<\/strong> \u2013 standardisierte Ausbildung in Datenwissenschaft und Rechenkompetenzen; Weit verbreitet in der Wissenschaft<\/li>\n<\/ul>\n<p>Wenn Sie ein Doktorand sind, beginnen Sie mit Schreinerei-Workshops und US-RSE-F\u00e4higkeitslisten als Basis-Selbstbewertung. Dann wenden Sie sich an Ihr regionales Organ (Gesellschaft von RSE, US-RSE oder D-RSE) f\u00fcr Mentoring und Gemeinschaft.<\/p>\n<h2>So fangen Sie an<\/h2>\n<p>Hier ist meine Empfehlung f\u00fcr Doktoranden, die eine RSE-Karriere in Betracht ziehen:<\/p>\n<h3>Schritt 1: Bauen Sie eine technische Grundlage<\/h3>\n<p>Beginnen Sie mit Git, Python Scientific Libraries (Numpy, Scipy) und einem Test-Framework (PyTest). Wenn Sie bereits <a href=\"https:\/\/matforge.org\/scientific-python-ecosystem-navigating-scipy-numpy-sympy-2\/\">Erkunden moderner wissenschaftlicher Python-Tools<\/a> mit UV- und Ruff, du bist auf dem richtigen Weg. Lernen Sie, Tests zu schreiben, die tats\u00e4chlich w\u00e4hrend des CI ausgef\u00fchrt werden &#8211; nicht nur in Ihrem Notizbuch.<\/p>\n<h3>Schritt 2: Dom\u00e4nensoftware im Ma\u00dfstab<\/h3>\n<p>Nehmen Sie eine vorhandene Forschungscodebasis (auch Ihre eigene) und refaktorieren Sie sie. Tests hinzuf\u00fcgen. Dokumentieren Sie es. Machen Sie es auf einem anderen Computer laufend. Dies ist der effektivste \u00dcbergang von &#8222;Researcher Who-Codes&#8220; zu &#8222;Research Software Engineer&#8220;.<\/p>\n<h3>Schritt 3: Trainieren Sie technische Praktiken<\/h3>\n<p>Git-Workflows, Code-\u00dcberpr\u00fcfung, CI\/CD und Containerisierung. Die Schreinerei-Workshops und das MIT fehlendes Semester sind barrierefreie Einstiegspunkte. Die <a href=\"https:\/\/matforge.org\/open-source-scientific-software-sustainability-funding\/\">Open-Source-Nachhaltigkeitspraktiken<\/a>, die wir auf der Website behandeln, sind relevanter Kontext f\u00fcr das Verst\u00e4ndnis, was den Forschungscode pflegen l\u00e4sst.<\/p>\n<h3>Schritt 4: W\u00e4hlen Sie Ihren Sektor<\/h3>\n<p>Nach dem Aufbau technischer Kompetenz Sektoren bewerten:<\/p>\n<ul>\n<li><strong>Akademie<\/strong> Wenn Sie die geistige Freiheit, die publikationsfreundliche Umgebung und langfristige Projekte sch\u00e4tzen<\/li>\n<li><strong>National Labs<\/strong> Wenn Sie die Missionsabstimmung mit der Forschung, stabile Finanzierung und moderate Lohnausrichtung w\u00fcnschen<\/li>\n<li><strong>Industrie<\/strong> Wenn Sie Kompensation, strukturierte Leitern und schnellere Iteration priorisieren<\/li>\n<li><strong>Big Tech<\/strong> Wenn Sie die h\u00f6chste Verg\u00fctung und die strukturierteste Karriereinfrastruktur w\u00fcnschen<\/li>\n<\/ul>\n<h3>Schritt 5: Community einbeziehen<\/h3>\n<p>Nehmen Sie an der US-RSE teil, nehmen Sie an den j\u00e4hrlichen RSE-Sitzungen der Society teil und leisten Sie einen Beitrag zur Open-Source-Forschungssoftware. Das Feld belohnt die Sichtbarkeit und die Beteiligung der Community &#8211; und die <a href=\"https:\/\/matforge.org\/teaching-computational-physics-graduate-students-learning-paths-2\/\"> Strukturierte Lernpfade <\/a> Computational Mechanics-Studenten zeigen, dass das strukturierte Engagement der Community das Wachstum der F\u00e4higkeiten beschleunigt.<\/p>\n<h2>Meine Empfehlung<\/h2>\n<p>Wenn Sie am Scheideweg sind &#8211; ein Doktorand, der sich fragt, ob er in der Wissenschaft oder in die Industrie \u00fcbergeht &#8211; w\u00fcrde ich Folgendes w\u00e4hlen:<\/p>\n<p><strong>Erstellen Sie zuerst die technischen F\u00e4higkeiten.<\/strong> Ein Doktorand, der produktionstechnischen Code schreiben kann, ist unersetzlich. Ein Softwareentwickler, der die Domain versteht, ist ebenso unersetzlich. Der Markt belohnt zunehmend die Person, die beides kann.<\/p>\n<p>Die Genai-Verschiebung beschleunigt dies. KI kann einen Boilerplate-Code schreiben, kann jedoch keine Simulation gegen die physikalische Realit\u00e4t validieren. Es kann keine Codebasis f\u00fcr ein Jahrzehnt der Forschung aufrechterhalten. Es kann einem Domain-Wissenschaftler nicht erkl\u00e4ren, warum ihr Modell divergiert. Das sind die F\u00e4higkeiten, die wichtig sind.<\/p>\n<p><strong>W\u00e4hlen Sie den parallelen Leiterpfad.<\/strong> Wenn Ihre Institution eine Karriereleiter mit Einzelbeitrags- und Team-Lead-Tracks anbietet, nehmen Sie sie. Die 70% \u2192 7% Umsatzreduzierung von Princeton beweist, dass die Leiter funktioniert. Ohne einen konkurrieren Sie mit der Industrie um die Bindung &#8211; und die Industrie gewinnt normalerweise die Entsch\u00e4digung.<\/p>\n<h2>Verwandte Anleitungen<\/h2>\n<ul>\n<li><a href=\"https:\/\/matforge.org\/teaching-computational-physics-graduate-students-learning-paths-2\/\">Teaching Computational Physics: Strukturierte Lernpfade f\u00fcr Doktoranden<\/a> (Post 381) \u2014 Lernpfade f\u00fcr Computational Mechanics, die die Berufsberatung hier erg\u00e4nzen<\/li>\n<li><a href=\"https:\/\/matforge.org\/open-source-scientific-software-sustainability-funding\/\">Nachhaltigkeit der Open-Source-Software <\/a> (Post 524) \u2014 Finanzierungsmodelle und Nachhaltigkeitspraktiken f\u00fcr Forschungskodex<\/li>\n<li><a href=\"https:\/\/matforge.org\/python-testing-patterns-for-scientific-code-beyond-pytest-basics\/\">Python-Testmuster f\u00fcr wissenschaftlichen Code<\/a> (Post 365) \u2014 Testen und Debuggen von Workflows, die RSEs beherrschen sollten<\/li>\n<li><a href=\"https:\/\/matforge.org\/reproducibility-workflows-beyond-containers-data-versioning-and-provenance-tracking\/\">Workflows f\u00fcr Reproduzierbarkeit \u00fcber Container hinaus<\/a> (Post 366) \u2014 Best Practices f\u00fcr die Versionskontrolle und Daten der Provenienz f\u00fcr Forschungs-Workflows<\/li>\n<li><a href=\"https:\/\/matforge.org\/how-fipy-handles-meshes-and-grid-structures\/\">Wie FIPY mit Netz- und Gitterstrukturen umgeht<\/a> (Post 471) \u2014 Eintauchen in die Handhabung von wissenschaftlichen Simulationen<\/li>\n<li><a href=\"https:\/\/matforge.org\/scientific-python-ecosystem-navigating-scipy-numpy-sympy-2\/\">Das wissenschaftliche Python-\u00d6kosystem<\/a> (Post 364) \u2014 Scipy, Numpy, Sympy und dar\u00fcber hinaus f\u00fcr Produktionsforschungscode<\/li>\n<li><a href=\"https:\/\/matforge.org\/mesh-quality-convergence-studies-guide-2\/\">Mesh-Qualit\u00e4ts- und Konvergenzstudien<\/a> (Post 339) \u2014 Werkzeugvergleich und Netzqualit\u00e4t f\u00fcr Simulationsworkflows<\/li>\n<li><a href=\"https:\/\/matforge.org\/visit-vs-paraview-choosing-right-tool\/\">Visit vs Paraview<\/a> \u2013 Entscheidungshandbuch f\u00fcr Visualisierungs-Workflows<\/li>\n<\/ul>\n","protected":false,"raw":"<h2>Schl\u00fcssel zum Mitnehmen<\/h2>\n<ul>\n<li><strong>Was ein RSE bewirkt: <\/strong> Ein Forschungssoftware-Ingenieur baut und wartet die Software, die wissenschaftliche Forschung unterst\u00fctzt - von Simulations-Engines bis hin zu Daten-Pipelines. Im Gegensatz zu reinen Softwareingenieuren verbinden RSEs Dom\u00e4nenkompetenz mit technischer Genauigkeit.<\/li>\n<li><strong>Zwei&gt;Einstiegspfade:<\/strong> Sie k\u00f6nnen entweder als Softwareentwickler (starkes Engineering, schw\u00e4cheres Dom\u00e4nenwissen) oder als Forscher (starker Bereich, schw\u00e4cheres Engineering) eingeben. Beide laufen im Laufe der Zeit auf die gleichen Kompetenzen zusammen.<\/li>\n<li><strong>Gehalt nach Sektoren:<\/strong> Rollen in der Wissenschaft\/Universit\u00e4t reichen von 70.000 bis 165.000 US-Dollar, 90.000 US-Dollar und 225.000 US-Dollar, Industrie 130.000 US-Dollar und Big Tech 200.000 bis 500.000 USD. Die L\u00fccke wird auf h\u00f6heren Ebenen verringert.<\/li>\n<li><strong>Genai wird umgestaltet, nicht ersetzt:<\/strong> Generative KI erm\u00f6glicht eine 55\u201356% schnellere Codierung mit Copilot, kann jedoch keine Forschungssoftware \"wirklich verstehen oder pflegen\". RSE werden immer wichtiger, nicht weniger.<\/li>\n<li><strong> Karriereleitern: <\/strong> Die von Experten begutachtete Studie von Princeton zeigte, dass eine angemessene Karriereleiter den RSE-Umsatz von 70% auf 7% reduzierte, was beweist, dass parallele IC- und Team-Lead-Spuren eine Rolle spielen.<\/li>\n<\/ul>\n<div class=\"caption\" style=\"text-align: center; font-size: 0.85em; color: #666; margin-top: 1em; margin-bottom: 1.5em;\"><strong>Visuelle Anmerkung:<\/strong> Eine RSE-Karriere-Roadmap-Infografik mit Einstiegswegen \u2192 Junior \u2192 Mid-Level \u2192 Senior \u2192 Principal \/ Team Lead Tracks mit Gehaltsb\u00e4ndern und Skill-Meilensteinen werden separat in Auftrag gegeben. W\u00e4hrend der Ver\u00f6ffentlichungsphase wird eine Platzhaltergrafik hinzugef\u00fcgt.<\/div>\n<h2>Was ist ein Forschungssoftware-Ingenieur?<\/h2>\n<p>Ein Research Software Engineer (RSE) ist ein Fachmann, der die Software entwickelt, pflegt und optimiert, die zur Unterst\u00fctzung der wissenschaftlichen Forschung eingesetzt wird. Der Begriff wurde 2012 im Collaborations-Workshop des Software Sustainability Institute gepr\u00e4gt und seitdem durch die Rollendefinition von Casrai als \"Profi, dessen Karriere sich auf die Entwicklung und Anwendung von Software zur Unterst\u00fctzung der Forschungsaktivit\u00e4ten konzentriert\" [1] formalisiert.<\/p>\n<p>Dies ist keine Forschungs-IT-Rolle - es ist eine Engineering-Rolle f\u00fcr die Forschung <em> -Software <\/em>. Die Unterscheidung z\u00e4hlt. Ein RSE verwaltet nicht nur die Infrastruktur. Sie schreiben, testen und optimieren den tats\u00e4chlichen Code, der Simulationen ausf\u00fchrt, verarbeitet Daten und visualisiert Ergebnisse. Sie sind die Br\u00fccke zwischen wissenschaftlichen Fragen und funktionierender Software.<\/p>\n<p>Wenn Sie bereits mit den Mesh-Strukturen von FIPY arbeiten oder <a href=\"https:\/\/matforge.org\/how-fipy-handles-meshes-and-grid-structures\/\">How Fipy mit Meshes und Gitterstrukturen umgehen<\/a>, sto\u00dfen Sie bereits auf Forschung Software Bei der RSE-Karriere geht es darum, diese Software in gro\u00dfem Ma\u00dfstab zu erstellen, mit der gleichen technischen Genauigkeit, die die Industrie f\u00fcr ihre Produkte gilt.<\/p>\n<h3>Warum RSEs wichtig sind<\/h3>\n<p>Moderne wissenschaftliche Forschung h\u00e4ngt zunehmend von Software ab. Eine einzelne Simulation kann wochenlang mit Hunderten von Kernen ausgef\u00fchrt werden. Datenpipelines verarbeiten Terabyte von Messungen. Die Reproduzierbarkeit erfordert versionierte, getestete Codebasen, die andere Forscher auditieren und erweitern k\u00f6nnen.<\/p>\n<p>Der CASRAI-Rolle-Leitfaden fasst RSes explizit als \"kritisch f\u00fcr den Erfolg der modernen Forschung\" ein, da Software jetzt die Hauptausgabe der Computerwissenschaft ist - nicht nur ein Mittel zum Zweck. Forscher, die den Code der Produktionsqualit\u00e4t nicht aufrechterhalten k\u00f6nnen, werden ihre Arbeit fragil finden. Die RSE-Karriere existiert genau, um diese L\u00fccke zu l\u00f6sen.<\/p>\n<h2>Zwei Einstiegspfade in RSE<\/h2>\n<p>Es gibt zwei Hauptwege in der Engineering-Software, und beide haben unterschiedliche St\u00e4rken und blinde Flecken.<\/p>\n<h3>Pfad 1: Softwareentwickler \u2192 RSE<\/h3>\n<p>Personen, die aus reinem Software-Engineering-Hintergrund eintreten, kommen mit starken technischen Praktiken - Versionskontrolle, Tests, Code-\u00dcberpr\u00fcfung, API-Design, Modularit\u00e4t. Sie k\u00f6nnen vom ersten Tag an produktionstechnischen Code schreiben.<\/p>\n<p><strong>Was sie gut machen: <\/strong> Codearchitektur, Test-Frameworks, Skalierbarkeit, Dokumentation, CI \/ CD-Pipelines.<\/p>\n<p><strong>Womit sie zu k\u00e4mpfen haben:<\/strong> Mehrdeutige Forschungsanforderungen, dom\u00e4nenspezifische Terminologie, der Unterschied zwischen einem funktionierenden Prototyp und einer produktionsbeschaffbaren Codebasis. Forscher sagen oft \"Ich brauche etwas, das X tut\", wo X schlecht definiert ist. Ingenieure ben\u00f6tigen genaue Spezifikationen.<\/p>\n<h3>Pfad 2: Forscher \u2192 RSE<\/h3>\n<p>Doktoranden, Postdocs und hochrangige Forscher wechseln nach Jahren des Schreibens von Skripten und Tools f\u00fcr ihre eigene Forschung in RSE-Rollen. Sie verstehen die Wissenschaft tief.<\/p>\n<p><strong>Was sie gut machen: <\/strong> Domain-Expertise, Formulierung von Forschungsproblemen, wissenschaftliche Validierung, Literaturrecherche, Kommunikation mit Domain-Wissenschaftlern.<\/p>\n<p><strong>Was sie haben: <\/strong> Code-Modularit\u00e4t, Tests, Skalierbarkeit, Refactoring und die technischen Gewohnheiten, die Code f\u00fcr andere aufrechterhalten k\u00f6nnen. Sie neigen dazu, f\u00fcr \"es funktioniert auf meiner Maschine\" und nicht \"es funktioniert auf jeder Maschine\".<\/p>\n<h3>Die Konvergenz<\/h3>\n<p>Beide Wege laufen auf den gleichen Kernkompetenzen zusammen. Ein Softwareentwickler, der lange genug in der RSE-Rolle bleibt, lernt die Domain. Ein Forscher, der lange genug in RSE \u00fcbergeht, lernt das Engineering. Die besten RSEs kommen aus beiden Hintergrund - sie ben\u00f6tigen nur unterschiedliche Zeitleisten, um die gleiche Etage zu erreichen.<\/p>\n<p>Diego Alonso \u00c1lvarez des Software Sustainability Institute dokumentierte diese Reise pers\u00f6nlich und ging vom Postdoc zum Senior RSE am Imperial College. Sein Blog-Beitrag auf <a href=\"https:\/\/www.software.ac.uk\/blog\/researcher-rse-my-career-path\" rel=\"nofollow\">Forschungs-zu-RSE-Karriereweg<\/a> f\u00e4ngt den \u00dcbergang mit ein Offenes Detail \u00fcber die Kompetenzl\u00fccke und die Lernkurve.<\/p>\n<h2>RSE gegen Data Scientist gegen Software Engineer<\/h2>\n<p>Diese drei Rollen werden h\u00e4ufig in Stellenanzeigen und Abteilungsbudgets zusammengef\u00fchrt. Ein 2025 Peer-Review-Vergleich im <a href=\"https:\/\/dl.gi.de\/bitstreams\/8a9bf840-a0c9-4210-8df5-6479dcd7d7f3\/download\" rel=\"nofollow\"> gi digital. Die Bibliothek <\/a> macht die Unterscheidungen explizit, und Institutionen, die sie verwirren, neigen dazu, falsch zu budgetieren und falsch einzustellen.<\/p>\n<table>\n<thead>\n<tr>\n<th>Dimension<\/th>\n<th>Forschungssoftware-Ingenieur<\/th>\n<th>Datenwissenschaftler<\/th>\n<th>Softwareentwickler<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Prim\u00e4rausgabe<\/strong><\/td>\n<td>Langlebige, getestete Software<\/td>\n<td>Analyse und Ergebnisse<\/td>\n<td>Kommerzielle Softwareprodukte<\/td>\n<\/tr>\n<tr>\n<td><strong>Domainfokus<\/strong><\/td>\n<td>Fachwissen der Forschungsdom\u00e4ne<\/td>\n<td>Statistisches\/Domain-Know-how<\/td>\n<td>Anwendungsdom\u00e4nenkompetenz<\/td>\n<\/tr>\n<tr>\n<td><strong>Lebenszyklusposition<\/strong><\/td>\n<td>Erstellt Tools, die andere wiederverwenden<\/td>\n<td>verbraucht Daten, erzeugt Erkenntnisse<\/td>\n<td>Erstellt Funktionen, die Benutzer kaufen<\/td>\n<\/tr>\n<tr>\n<td><strong>Code-Haltbarkeit<\/strong><\/td>\n<td>Entwickelt f\u00fcr mehrj\u00e4hrige Wiederverwendung<\/td>\n<td>Oft einmalige oder Notebook-basiert<\/td>\n<td>Entwickelt f\u00fcr den Produktlebenszyklus<\/td>\n<\/tr>\n<tr>\n<td><strong>Validierung<\/strong><\/td>\n<td>Wissenschaftliche Korrektheit + technischer Strenge<\/td>\n<td>Statistische Signifikanz + Modellgenauigkeit<\/td>\n<td>Leistung, Sicherheit, UX<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Der Schl\u00fcsselunterschied f\u00fcr unser Publikum: <strong>Ein Data Scientist Outputs Analysis; Ein Forschungssoftware-Ingenieur gibt Software aus, die andere Personen wiederverwenden <\/strong>. Wenn Ihre Institution diese Rollen in Einklang bringt, investieren Sie wahrscheinlich in eine reproduzierbare Forschungsinfrastruktur.<\/p>\n<h2>Kernkompetenzen<\/h2>\n<p>Die US-RSE-Ausbildungs- und Ausbildungsgruppe sowie die Goth et al. (2025) Kompetenzrahmen [PMC12426816], Identifizieren Sie drei S\u00e4ulen der RSE-Kompetenz. Jede S\u00e4ule hat Fortschritte auf Karriereebene.<\/p>\n<h3>1. Software \/ technische F\u00e4higkeiten<\/h3>\n<p>Dies ist die technische S\u00e4ule. Es umfasst:<\/p>\n<ul>\n<li>Versionskontrolle (Git, DVC, DataLad)<\/li>\n<li>Testen (Einheit, Integration, Regression, Regressionstest)<\/li>\n<li>Codequalit\u00e4t (Fussen, Typenpr\u00fcfung, Fusselwerkzeuge)<\/li>\n<li>Leistungsoptimierung (Parallelisierung, GPU, Profiling)<\/li>\n<li>Wissenschaftliche Bibliotheken (Numpy, Scipy, Fipy, Ngsolve)<\/li>\n<li>DevOps (CI\/CD, Containerisierung, HPC Job Scheduler)<\/li>\n<\/ul>\n<p>Diese F\u00e4higkeiten spiegeln das wider, was Sie in <a href=\"https:\/\/matforge.org\/reproducibility-workflows-beyond-containers-data-versioning-and-provenance-tracking\/\">Workflows f\u00fcr Reproduzierbarkeit finden werden: Datenversionierung und Provenienzverfolgung <\/a> und <a href=\"https:\/\/matforge.org\/python-testing-patterns-for-scientific-code-beyond-pytest-basics\/\"> Python-Testmuster f\u00fcr wissenschaftlichen Code <\/a>.<\/p>\n<h3>2. Forschungsf\u00e4higkeiten<\/h3>\n<p>Dies ist die Domain-S\u00e4ule. Es umfasst:<\/p>\n<ul>\n<li>Dom\u00e4nenspezifische Modellierung (PDE-Solver, Finite-Elemente-Methoden)<\/li>\n<li>Numerische Methoden (FEM, FVM, endliche Unterschiede)<\/li>\n<li>Algorithmusentwicklung (Adaptive Netzverfeinerung, Multi-Fidelity-Methoden)<\/li>\n<li>Wissenschaftliche Validierung (Konvergenztests, Benchmark-Probleme)<\/li>\n<li>Literatursynthese (Verst\u00e4ndnis Stand der Technik)<\/li>\n<\/ul>\n<p>In dieser S\u00e4ule gl\u00e4nzt ein PhD-Hintergrund und ein Software-Ingenieur ben\u00f6tigt gezielte Schulungen. Die MIT-Workshops f\u00fcr fehlende Semester und Schreiner bieten barrierefreie Einstiegspunkte.<\/p>\n<h3>3. Kommunikations- \/ Kollaborationsf\u00e4higkeiten<\/h3>\n<p>Dies ist die Soft-Skills-S\u00e4ule, aber alles andere als weich. Es umfasst:<\/p>\n<ul>\n<li>Team\u00fcbergreifende Kommunikation (Erkl\u00e4rung technischer Einschr\u00e4nkungen f\u00fcr Domain-Wissenschaftler)<\/li>\n<li>Projektmanagement (Scoping, Meilensteinplanung, Agile)<\/li>\n<li>Mentoring (Onboarding Junior RSEs, Code Review Guidance)<\/li>\n<li>Community-Teilnahme (Open-Source-Beitrag, Konferenzsprache)<\/li>\n<\/ul>\n<p>Die Goth et al. Framework ordnet diese Kompetenzen auf Karriereebenen (von der Grundlage bis zum Experten) und die <a href=\"https:\/\/us-rse.org\/wg\/education_training\/skills\/\" rel=\"nofollow\">US-RSE-F\u00e4higkeitsliste<\/a> Enumeration, die Sie als Selbstbewertungsrubrik verwenden k\u00f6nnen.<\/p>\n<h2>Karrierefortschrittsrahmen<\/h2>\n<p>RSE-Karriereleitern waren historisch gesehen der schw\u00e4chste Punkt in der akademischen Karriereinfrastruktur. Ohne klare Fortschrittswege gehen talentierte RSEs f\u00fcr die Industrie - bis vor kurzem.<\/p>\n<h3>Ebenenfortschritt<\/h3>\n<p>F\u00fchrende Institutionen verwenden Level-Frameworks wie L1 \u2013 L4 (vom Grundbeitrag zum Experten \/ F\u00fchrer) und P1 bis P6 (vom Anf\u00e4nger zum Auftraggeber). Dies sind keine willk\u00fcrlichen Titel - sie ordnen sich konkreten Verantwortlichkeiten zu:<\/p>\n<table>\n<thead>\n<tr>\n<th>Ebene<\/th>\n<th>Typischer Titel<\/th>\n<th>Hauptverantwortung<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>L1 \/ P1<\/td>\n<td>Junior RSE<\/td>\n<td>Zugeordnete Aufgaben unter Anleitung ausf\u00fchren<\/td>\n<\/tr>\n<tr>\n<td>L2 \/ P2<\/td>\n<td>RSE auf mittlerer Ebene<\/td>\n<td>ein Modul oder Werkzeug besitzen; Mentor Junioren<\/td>\n<\/tr>\n<tr>\n<td>L3 \/ P3<\/td>\n<td>Senior rse<\/td>\n<td>Architektur definieren; Projekte leiten<\/td>\n<\/tr>\n<tr>\n<td>L4 \/ P4 +<\/td>\n<td>Haupt-RSE<\/td>\n<td>Richtung einstellen; Organisation vertreten<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Die parallele Spur<\/h3>\n<p>Eine kritische Innovation auf der RSE-Leiter ist die parallele Team-Lead-Strecke. Nicht jeder RSE m\u00f6chte ein Hauptindividualbeitrager sein. Einige bevorzugen die Verwaltung von Menschen und Projekten. Princetons Peer-Review-Studie (ARXIV 2602.19353V1, Februar 2026) dokumentierte dies explizit und zeigte, dass <strong>Die Umsatzerl\u00f6se von 70% (Pre-Leiter, f\u00fcnf Jahre) sanken Fenster) bis 7% (Post-Ladder, Dreijahresfenster)<\/strong> Nach der Implementierung von Associate \u00fcber Principal Levels mit einer parallelen Team-Lead-Spur.<\/p>\n<p>Dies ist der erste dokumentierte, von Fachleuten \u00fcberpr\u00fcfte Beweis f\u00fcr die Auswirkungen einer Karriereleiter auf die RSE-Retention. Es zeigt, dass die Leiter wichtig ist - nicht nur die Existenz von Ebenen, sondern auch die Existenz von <em> parallelen <\/em> -Tracks.<\/p>\n<h3>SSIs fr\u00fche Karriereperspektiven<\/h3>\n<p>Vier RSE aus dem Forschungssoftwarelager des Software Sustainability Institute (November 2025) beschrieben die Fortschrittsherausforderungen bis ins Detail - von unklaren Erwartungen und Finanzierungsunsicherheit bis hin zur Realit\u00e4t von KI-St\u00f6rungen. Ihre Perspektiven, gesammelt in <a href=\"https:\/\/www.software.ac.uk\/blog\/early-career-perspectives-career-and-skills-research-software\" rel=\"nofollow\">\"Fr\u00fche Karriereperspektiven\" und F\u00e4higkeiten in der Forschungssoftware \"<\/a> sind f\u00fcr alle, die diesen Weg in Betracht ziehen, eine wesentliche Lekt\u00fcre.<\/p>\n<h2>Forschungssoftware Engineering Gehalt nach Branchen<\/h2>\n<p>Das Gehalt ist der konkreteste Vergleich, den Menschen bei der Entscheidung zwischen den Karrierewegen machen. Die folgenden Daten stammen von Casrai Guidelines, Research.com, Levels.FYI und Glassdoor.<\/p>\n<table>\n<thead>\n<tr>\n<th>Sektor<\/th>\n<th>Typische Reichweite<\/th>\n<th>Notizen<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Wissenschaft \/ Universit\u00e4t<\/td>\n<td>$ 70k - $ 165k<\/td>\n<td>stark auf h\u00f6herer Ebene; durch akademische Budgets eingeschr\u00e4nkt; \"Wartungsfalle\" wo Publikationen den Code \u00fcberwiegen<\/td>\n<\/tr>\n<tr>\n<td>Nationale Labore<\/td>\n<td>90.000 bis 225.000 US-Dollar<\/td>\n<td>Lawrence Livermore \u00fcber Levels.FYI verifiziert (Software Engineer Range $ 110k\u2013 $ 225k); starke Vorteile; Missionsgesteuert<\/td>\n<\/tr>\n<tr>\n<td>Industrie (Forschungsabteilungen)<\/td>\n<td>$ 130K - $ 210K<\/td>\n<td>n\u00e4her an der gro\u00dfen Tech-Kompensation; st\u00e4rkere Karriereleitern; Kommerzieller Druck<\/td>\n<\/tr>\n<tr>\n<td>Gro\u00dfe Technik<\/td>\n<td>$ 200K \u2013 $ 500k +<\/td>\n<td>H\u00f6chste Bezahlung; am meisten strukturierte Progression; Forschungssoftwarerollen, die h\u00e4ufig als \"Angewandter Wissenschaftler\" oder \"Research Software Engineer\" gekennzeichnet sind<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Der National Lab Sector (LLNL, LANL, ORNL) stellt die \u00fcberzeugendste Option im mittleren Bereich dar: Bessere Bezahlung als Wissenschaft, weniger kommerzieller Druck als Industrie und Missionsausrichtung auf wissenschaftliche Forschung. Der Glassdoor-Durchschnitt f\u00fcr RSE-Rollen liegt weltweit bei rund 184.000 US-Dollar, wobei der Standort und das Dienstalter erheblich variieren.<\/p>\n<p>Was die Gehaltsdaten strukturell zeigen: <strong> Die \"Wartungsfalle\" <\/strong> - Akademische Karrieresysteme belohnen Ver\u00f6ffentlichungen, nicht Code. Ein RSE, der exzellente, weit verbreitete Software produziert, aber weniger Papiere in der akademischen F\u00f6rderung im Vergleich zu einem Domain-Wissenschaftler, der h\u00e4ufig ver\u00f6ffentlicht, ins Hintertreffen geraten. Aus diesem Grund ist die Princeton-Leiter mit ihrer expliziten Anerkennung von Software-Beitr\u00e4gen transformativ.<\/p>\n<h2>Genais Auswirkungen auf die RSE-Karriere<\/h2>\n<p>Generative KI formt die Karrieren von Forschungssoftware schneller als die meisten Karrieref\u00fchrer an. Zwei aktuelle Studien liefern das klarste Bild.<\/p>\n<h3>Die SSSI-Ergebnisse (Nov 2025)<\/h3>\n<p>Das Software Sustainability Institute ver\u00f6ffentlichte im November 2025 eine umfassende Analyse zu <a href=\"https:\/\/www.software.ac.uk\/blog\/ai-after-my-job-navigating-future-research-software-engineering\" rel=\"nofollow\"> \"AI nach meinem Job - Navigieren in die Zukunft des Forschungssoftware-Engineerings\" <\/a>. Die \u00dcberschriftenfindung: <strong>RES sind \"wichtiger als je zuvor\", weil KI die Forschungssoftware nicht \"wirklich verstehen oder pflegen\" kann.<\/strong><\/p>\n<p>Spezifische Ergebnisse:<\/p>\n<ul>\n<li><strong>Produktivit\u00e4tsgewinne:<\/strong> Copilot bietet 55\u201356% schnellere Codierung mit KI-Unterst\u00fctzung<\/li>\n<li><strong>Deskilling-Risiken:<\/strong> Verlassen Sie sich auf KI ohne Verst\u00e4ndnis, k\u00f6nnen genau die F\u00e4higkeiten untergraben, die RSES von Junior-Entwicklern unterscheiden<\/li>\n<li><strong>Validierungsl\u00fccke:<\/strong> KI-generierter Code muss von jemandem \u00fcberpr\u00fcft werden, der sowohl den Code <em> als auch <\/em> der Wissenschaft versteht<\/li>\n<li><strong>Empfehlung:<\/strong> Investieren Sie in KI-Alphabetisierung. Lernen Sie promptes Engineering, aber h\u00f6ren Sie nie auf, Grundlagen zu lernen.<\/li>\n<\/ul>\n<h3>Das AI4RSE-Quadrantenmodell<\/h3>\n<p>Siamak Farshidi et al. aus dem AI4RSE-Labor (Universit\u00e4t Wageningen, ICSE 2026) hat ein <strong>Quadrantenmodell f\u00fcr AI-Augmented Research Software<\/strong> <a href=\"https:\/\/arxiv.org\/html\/2508.05693v1\" rel=\"nofollow\"> arxiv.org\/html\/2508.05693v1 <\/a>. Das Modell gliedert den Forschungscode in vier Quadranten:<\/p>\n<ol>\n<li><strong>Exploratory Coding<\/strong> \u2014 Schnelle Skripte zur Hypothesengenerierung (AI-unterst\u00fctzt, geringes Risiko)<\/li>\n<li><strong>Vibe-Codierung<\/strong> \u2013 Experimenteller KI-generierter Code mit unsicherer Korrektheit (hohes Risiko)<\/li>\n<li><strong>Traditionelle RSE<\/strong> \u2014 produktionsbedingter, Peer-Review-Code (AI-gest\u00fctzte Rezension, nicht Generierung)<\/li>\n<li><strong>AI4RSE<\/strong> \u2013 Mit AI entwickelter Code, bei dem die KI der Hauptautor ist (aufstrebende Spezialit\u00e4t)<\/li>\n<\/ol>\n<p>Zu den aufkommenden Spezialisierungen geh\u00f6ren <strong>AI-Orchestrierung<\/strong> (Verwaltung mehrerer KI-Modelle in Forschungs-Workflows), <strong>LLM-Bewertung<\/strong> (Bewertung von KI-Ausgaben f\u00fcr wissenschaftliche G\u00fcltigkeit) und <strong>Green\/Reliable AI-Bereitstellung<\/strong> Inferenz in wissenschaftlichen Kontexten).<\/p>\n<h3>Die Fraunhofer-Perspektive<\/h3>\n<p><a href=\"https:\/\/www.iese.fraunhofer.de\/blog\/generative-ai-in-software-engineering-scenarios-and-challenges\/\" rel=\"nofollow\">Fraunhofer IESE Blog <\/a> (November 2024, aktualisiert 2026) formt Genai eher als eine Verschiebung des Softwareentwicklungslebenszyklus als als Ersatz. Die F\u00e4higkeiten, die am wichtigsten sind, sind jetzt <strong>Architektur, \u00dcberpr\u00fcfung und Dom\u00e4nenexpertise<\/strong> - nicht nur die Codierungsgeschwindigkeit.<\/p>\n<h2>Berufsverb\u00e4nde und Ausbildungsressource<\/h2>\n<p>Die RSE-Community ist gut organisiert, mit nationalen Gremien, globalen Initiativen und standardisierter Ausbildung. Hier die aktuelle Landschaft:<\/p>\n<ul>\n<li><strong>Gesellschaft von RSE (UK) <\/strong> - Die Gr\u00fcndungs-RSE-Gesellschaft; Gastgeber der j\u00e4hrlichen RSE-Community-Meetings; F\u00fchrt Mentoring-Programme aus<\/li>\n<li><strong>US-RSE<\/strong> \u2014 das US-Pendant; pflegt die offizielle <a href=\"https:\/\/us-rse.org\/wg\/education_training\/skills\/\" rel=\"nofollow\">Folgsliste <\/a>; Gastgeber Workshops zur Karriereentwicklung<\/li>\n<li><strong>de-rse<\/strong> \u2014 Deutschlands nationale RSE-Gemeinschaft; F\u00fchrt Kompetenzrahmen und berufliche Entwicklungsinitiativen durch<\/li>\n<li><strong>Casrai<\/strong> \u2013 Globale Koordinierungsstelle; Ver\u00f6ffentlicht den <a href=\"https:\/\/casrai.org\/guides\/research-software-engineer-role-definition\" rel=\"nofollow\">RSE-Rollendefinitionshandbuch<\/a> mit Career-Track-Infrastruktur<\/li>\n<li><strong>The Carpentries<\/strong> \u2013 standardisierte Ausbildung in Datenwissenschaft und Rechenkompetenzen; Weit verbreitet in der Wissenschaft<\/li>\n<\/ul>\n<p>Wenn Sie ein Doktorand sind, beginnen Sie mit Schreinerei-Workshops und US-RSE-F\u00e4higkeitslisten als Basis-Selbstbewertung. Dann wenden Sie sich an Ihr regionales Organ (Gesellschaft von RSE, US-RSE oder D-RSE) f\u00fcr Mentoring und Gemeinschaft.<\/p>\n<h2>So fangen Sie an<\/h2>\n<p>Hier ist meine Empfehlung f\u00fcr Doktoranden, die eine RSE-Karriere in Betracht ziehen:<\/p>\n<h3>Schritt 1: Bauen Sie eine technische Grundlage<\/h3>\n<p>Beginnen Sie mit Git, Python Scientific Libraries (Numpy, Scipy) und einem Test-Framework (PyTest). Wenn Sie bereits <a href=\"https:\/\/matforge.org\/scientific-python-ecosystem-navigating-scipy-numpy-sympy-2\/\">Erkunden moderner wissenschaftlicher Python-Tools<\/a> mit UV- und Ruff, du bist auf dem richtigen Weg. Lernen Sie, Tests zu schreiben, die tats\u00e4chlich w\u00e4hrend des CI ausgef\u00fchrt werden - nicht nur in Ihrem Notizbuch.<\/p>\n<h3>Schritt 2: Dom\u00e4nensoftware im Ma\u00dfstab<\/h3>\n<p>Nehmen Sie eine vorhandene Forschungscodebasis (auch Ihre eigene) und refaktorieren Sie sie. Tests hinzuf\u00fcgen. Dokumentieren Sie es. Machen Sie es auf einem anderen Computer laufend. Dies ist der effektivste \u00dcbergang von \"Researcher Who-Codes\" zu \"Research Software Engineer\".<\/p>\n<h3>Schritt 3: Trainieren Sie technische Praktiken<\/h3>\n<p>Git-Workflows, Code-\u00dcberpr\u00fcfung, CI\/CD und Containerisierung. Die Schreinerei-Workshops und das MIT fehlendes Semester sind barrierefreie Einstiegspunkte. Die <a href=\"https:\/\/matforge.org\/open-source-scientific-software-sustainability-funding\/\">Open-Source-Nachhaltigkeitspraktiken<\/a>, die wir auf der Website behandeln, sind relevanter Kontext f\u00fcr das Verst\u00e4ndnis, was den Forschungscode pflegen l\u00e4sst.<\/p>\n<h3>Schritt 4: W\u00e4hlen Sie Ihren Sektor<\/h3>\n<p>Nach dem Aufbau technischer Kompetenz Sektoren bewerten:<\/p>\n<ul>\n<li><strong>Akademie<\/strong> Wenn Sie die geistige Freiheit, die publikationsfreundliche Umgebung und langfristige Projekte sch\u00e4tzen<\/li>\n<li><strong>National Labs<\/strong> Wenn Sie die Missionsabstimmung mit der Forschung, stabile Finanzierung und moderate Lohnausrichtung w\u00fcnschen<\/li>\n<li><strong>Industrie<\/strong> Wenn Sie Kompensation, strukturierte Leitern und schnellere Iteration priorisieren<\/li>\n<li><strong>Big Tech<\/strong> Wenn Sie die h\u00f6chste Verg\u00fctung und die strukturierteste Karriereinfrastruktur w\u00fcnschen<\/li>\n<\/ul>\n<h3>Schritt 5: Community einbeziehen<\/h3>\n<p>Nehmen Sie an der US-RSE teil, nehmen Sie an den j\u00e4hrlichen RSE-Sitzungen der Society teil und leisten Sie einen Beitrag zur Open-Source-Forschungssoftware. Das Feld belohnt die Sichtbarkeit und die Beteiligung der Community - und die <a href=\"https:\/\/matforge.org\/teaching-computational-physics-graduate-students-learning-paths-2\/\"> Strukturierte Lernpfade <\/a> Computational Mechanics-Studenten zeigen, dass das strukturierte Engagement der Community das Wachstum der F\u00e4higkeiten beschleunigt.<\/p>\n<h2>Meine Empfehlung<\/h2>\n<p>Wenn Sie am Scheideweg sind - ein Doktorand, der sich fragt, ob er in der Wissenschaft oder in die Industrie \u00fcbergeht - w\u00fcrde ich Folgendes w\u00e4hlen:<\/p>\n<p><strong>Erstellen Sie zuerst die technischen F\u00e4higkeiten.<\/strong> Ein Doktorand, der produktionstechnischen Code schreiben kann, ist unersetzlich. Ein Softwareentwickler, der die Domain versteht, ist ebenso unersetzlich. Der Markt belohnt zunehmend die Person, die beides kann.<\/p>\n<p>Die Genai-Verschiebung beschleunigt dies. KI kann einen Boilerplate-Code schreiben, kann jedoch keine Simulation gegen die physikalische Realit\u00e4t validieren. Es kann keine Codebasis f\u00fcr ein Jahrzehnt der Forschung aufrechterhalten. Es kann einem Domain-Wissenschaftler nicht erkl\u00e4ren, warum ihr Modell divergiert. Das sind die F\u00e4higkeiten, die wichtig sind.<\/p>\n<p><strong>W\u00e4hlen Sie den parallelen Leiterpfad.<\/strong> Wenn Ihre Institution eine Karriereleiter mit Einzelbeitrags- und Team-Lead-Tracks anbietet, nehmen Sie sie. Die 70% \u2192 7% Umsatzreduzierung von Princeton beweist, dass die Leiter funktioniert. Ohne einen konkurrieren Sie mit der Industrie um die Bindung - und die Industrie gewinnt normalerweise die Entsch\u00e4digung.<\/p>\n<h2>Verwandte Anleitungen<\/h2>\n<ul>\n<li><a href=\"https:\/\/matforge.org\/teaching-computational-physics-graduate-students-learning-paths-2\/\">Teaching Computational Physics: Strukturierte Lernpfade f\u00fcr Doktoranden<\/a> (Post 381) \u2014 Lernpfade f\u00fcr Computational Mechanics, die die Berufsberatung hier erg\u00e4nzen<\/li>\n<li><a href=\"https:\/\/matforge.org\/open-source-scientific-software-sustainability-funding\/\">Nachhaltigkeit der Open-Source-Software <\/a> (Post 524) \u2014 Finanzierungsmodelle und Nachhaltigkeitspraktiken f\u00fcr Forschungskodex<\/li>\n<li><a href=\"https:\/\/matforge.org\/python-testing-patterns-for-scientific-code-beyond-pytest-basics\/\">Python-Testmuster f\u00fcr wissenschaftlichen Code<\/a> (Post 365) \u2014 Testen und Debuggen von Workflows, die RSEs beherrschen sollten<\/li>\n<li><a href=\"https:\/\/matforge.org\/reproducibility-workflows-beyond-containers-data-versioning-and-provenance-tracking\/\">Workflows f\u00fcr Reproduzierbarkeit \u00fcber Container hinaus<\/a> (Post 366) \u2014 Best Practices f\u00fcr die Versionskontrolle und Daten der Provenienz f\u00fcr Forschungs-Workflows<\/li>\n<li><a href=\"https:\/\/matforge.org\/how-fipy-handles-meshes-and-grid-structures\/\">Wie FIPY mit Netz- und Gitterstrukturen umgeht<\/a> (Post 471) \u2014 Eintauchen in die Handhabung von wissenschaftlichen Simulationen<\/li>\n<li><a href=\"https:\/\/matforge.org\/scientific-python-ecosystem-navigating-scipy-numpy-sympy-2\/\">Das wissenschaftliche Python-\u00d6kosystem<\/a> (Post 364) \u2014 Scipy, Numpy, Sympy und dar\u00fcber hinaus f\u00fcr Produktionsforschungscode<\/li>\n<li><a href=\"https:\/\/matforge.org\/mesh-quality-convergence-studies-guide-2\/\">Mesh-Qualit\u00e4ts- und Konvergenzstudien<\/a> (Post 339) \u2014 Werkzeugvergleich und Netzqualit\u00e4t f\u00fcr Simulationsworkflows<\/li>\n<li><a href=\"https:\/\/matforge.org\/visit-vs-paraview-choosing-right-tool\/\">Visit vs Paraview<\/a> \u2013 Entscheidungshandbuch f\u00fcr Visualisierungs-Workflows<\/li>\n<\/ul>\n"},"excerpt":{"rendered":"<p><span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 9<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span>Was ist eine Karriere als Research Software Engineer? Einstiegspfade, Gehaltsbereiche, Qualifikationsrahmen, Genai-Auswirkungen und wie man in RSE-Rollen in akademischen, nationalen Labors und Industrie einbricht.<\/p>\n","protected":false,"raw":"Was ist eine Karriere als Research Software Engineer? Einstiegspfade, Gehaltsbereiche, Qualifikationsrahmen, Genai-Auswirkungen und wie man in RSE-Rollen in akademischen, nationalen Labors und Industrie einbricht."},"author":6,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_locale":"de_DE","_original_post":"https:\/\/matforge.org\/?p=1067","iawp_total_views":1,"footnotes":""},"categories":[1],"tags":[86,88,89,87,85,83,84],"class_list":["post-1123","post","type-post","status-publish","format-standard","hentry","category-simulation-modeling-projects","tag-apache-2-0","tag-bsd","tag-creative-commons","tag-gpl","tag-mit","tag-open-source-licensing","tag-research-software","de-DE"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur - matforge.org<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur - matforge.org\" \/>\n<meta property=\"og:description\" content=\"Reading Time:  9 minutesWas ist eine Karriere als Research Software Engineer? Einstiegspfade, Gehaltsbereiche, Qualifikationsrahmen, Genai-Auswirkungen und wie man in RSE-Rollen in akademischen, nationalen Labors und Industrie einbricht.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/\" \/>\n<meta property=\"og:site_name\" content=\"matforge.org\" \/>\n<meta property=\"article:published_time\" content=\"2026-08-19T09:48:30+00:00\" \/>\n<meta name=\"author\" content=\"steven\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"steven\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"13\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/\"},\"author\":{\"name\":\"steven\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/8f690fb596d657b12994b83caa788f03\"},\"headline\":\"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur\",\"datePublished\":\"2026-08-19T09:48:30+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/\"},\"wordCount\":2577,\"commentCount\":0,\"keywords\":[\"Apache 2.0\",\"BSD\",\"Creative Commons\",\"GPL\",\"MIT\",\"open-source licensing\",\"research software\"],\"articleSection\":[\"Simulation & amp; Modellierungsprojekte\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/\",\"url\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/\",\"name\":\"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur - matforge.org\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/#website\"},\"datePublished\":\"2026-08-19T09:48:30+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/8f690fb596d657b12994b83caa788f03\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/scientific-computing-career-paths-research-software-engineer\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/matforge.org\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#website\",\"url\":\"https:\\\/\\\/matforge.org\\\/\",\"name\":\"matforge.org\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/matforge.org\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/8f690fb596d657b12994b83caa788f03\",\"name\":\"steven\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g\",\"caption\":\"steven\"},\"url\":\"https:\\\/\\\/matforge.org\\\/author\\\/steven\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur - matforge.org","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/","og_locale":"de_DE","og_type":"article","og_title":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur - matforge.org","og_description":"Reading Time:  9 minutesWas ist eine Karriere als Research Software Engineer? Einstiegspfade, Gehaltsbereiche, Qualifikationsrahmen, Genai-Auswirkungen und wie man in RSE-Rollen in akademischen, nationalen Labors und Industrie einbricht.","og_url":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/","og_site_name":"matforge.org","article_published_time":"2026-08-19T09:48:30+00:00","author":"steven","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"steven","Gesch\u00e4tzte Lesezeit":"13\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/#article","isPartOf":{"@id":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/"},"author":{"name":"steven","@id":"https:\/\/matforge.org\/#\/schema\/person\/8f690fb596d657b12994b83caa788f03"},"headline":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur","datePublished":"2026-08-19T09:48:30+00:00","mainEntityOfPage":{"@id":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/"},"wordCount":2577,"commentCount":0,"keywords":["Apache 2.0","BSD","Creative Commons","GPL","MIT","open-source licensing","research software"],"articleSection":["Simulation & amp; Modellierungsprojekte"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/","url":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/","name":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur - matforge.org","isPartOf":{"@id":"https:\/\/matforge.org\/#website"},"datePublished":"2026-08-19T09:48:30+00:00","author":{"@id":"https:\/\/matforge.org\/#\/schema\/person\/8f690fb596d657b12994b83caa788f03"},"breadcrumb":{"@id":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/matforge.org\/de\/scientific-computing-career-paths-research-software-engineer\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/matforge.org\/de\/"},{"@type":"ListItem","position":2,"name":"Karrierewege f\u00fcr wissenschaftliche Computer: Forschungssoftware-Ingenieur"}]},{"@type":"WebSite","@id":"https:\/\/matforge.org\/#website","url":"https:\/\/matforge.org\/","name":"matforge.org","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/matforge.org\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/matforge.org\/#\/schema\/person\/8f690fb596d657b12994b83caa788f03","name":"steven","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/d46cfcd83a298f27e8d66bfa035514fefca7652f26bd3ef7402f82b68a41ec0f?s=96&d=mm&r=g","caption":"steven"},"url":"https:\/\/matforge.org\/author\/steven\/"}]}},"_links":{"self":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/1123","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/comments?post=1123"}],"version-history":[{"count":1,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/1123\/revisions"}],"predecessor-version":[{"id":1134,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/1123\/revisions\/1134"}],"wp:attachment":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/media?parent=1123"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/categories?post=1123"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/tags?post=1123"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}