Über diese Rolle
In dieser stündlichen, remote ausgeführten Auftragnehmerrolle arbeiten Sie als SQL Quality Assurance Lead, um die Qualität, Konsistenz und Leistung der Trainer bei SQL- und Datenbank-KI-Trainingsprojekten zu überwachen. Sie überprüfen KI-generierte SQL-Abfragen, Datenbankerklärungen, Datenmodellierungsinhalte sowie die Arbeit von Trainern und QAs. Sie bewerten die Ausgabequalität anhand von Projektrichtlinien, geben präzises schriftliches Feedback und stellen sicher, dass alle Mitwirkenden die erwarteten Qualitätsstandards einhalten.
Sie bewerten die Arbeit hinsichtlich Abfragekorrektheit, Datenbanklogik, Schemaverständnis, Join-Logik, Aggregationsgenauigkeit, Performance-Bewusstsein, Sicherheitsaspekten, Lesbarkeit, Formatierung, Befolgung von Anweisungen und Einhaltung projektspezifischer Rubriken. Sie identifizieren wiederkehrende Qualitätsprobleme, kommunizieren Updates an Trainer und QAs, unterstützen das Onboarding, pflegen die Dokumentation und helfen dabei, Mitwirkende zu aktivieren, die nicht konsistent arbeiten.
Diese Rolle ist bei einem schnell wachsenden KI-Datendienstleistungsunternehmen angesiedelt, das Trainingsdaten für viele der weltweit größten KI-Unternehmen und Foundation-Model-Labore liefert. Ihre SQL-Qualitätsführerschaft trägt direkt dazu bei, die weltweit führenden KI-Modelle zu verbessern, indem sichergestellt wird, dass SQL-Trainingsdaten korrekt, ausführbar, logisch fundiert, gut dokumentiert und auf die Kundenerwartungen abgestimmt sind.
Der Auswahlprozess umfasst ein KI-Interview, eine fachspezifische Aufgabe und ein Gespräch mit einem Recruiter.
Wichtig: Es gibt derzeit kein unmittelbares Projekt für diese Rolle. Wenn Sie jedoch qualifiziert sind, gehören Sie zu den ersten Experten, die wir kontaktieren, sobald relevante Möglichkeiten entstehen. Dies bietet Ihnen auch Zugang zu zukünftigen Projekten in unserem Expertennetzwerk.
Ihr Profil
- Bachelor- oder Master-Abschluss in Informatik, Data Science, Wirtschaftsinformatik, Software Engineering, Statistik, Business Analytics oder gleichwertige Berufserfahrung.
- Starke Beherrschung der englischen Sprache, um Projektrichtlinien zu befolgen, mit Teams zu kommunizieren und klares technisches Feedback zu geben.
- 3+ Jahre Erfahrung in der Verwendung von SQL für Analysen, Backend-Entwicklung, Datenbank-Engineering, BI, Data Warehousing, Reporting, QA, Lehre oder technische Überprüfung.
- Fundiertes Verständnis von SQL-Grundlagen wie SELECT, WHERE, JOINs, GROUP BY, HAVING, ORDER BY, Unterabfragen, CTEs, Window-Funktionen, Indizes, Constraints, Transaktionen und Normalisierung.
- Fähigkeit, SQL-Inhalte anhand von Rubriken zu bewerten und Probleme wie falsche Joins, Aggregationsfehler, doppelte Zählungen, ungültige Syntax, ineffiziente Abfragen, SQL-Injection-Risiken, Dialekt-Fehlanpassungen oder unvollständige Erklärungen zu identifizieren.
- Vertrautheit mit PostgreSQL, MySQL, SQL Server, SQLite, BigQuery, Snowflake, Redshift, Data Warehouses, Abfrageplänen, ER-Modellierung und BI-Tools wird bevorzugt.
- Erfahrung in der Leitung oder Unterstützung von Remote-Teams aus Analysten, Ingenieuren, Reviewern, Annotatoren, Pädagogen oder QAs ist ausdrücklich erwünscht.
- Sicherer Umgang mit Discord, Google Sheets, Google Docs, Trackern, Dashboards, GitHub und Projektmanagementsystemen.
- Hohes Maß an Organisation und Fähigkeit, Styleguides, FAQs, Tracker, Onboarding-Materialien, Honeypots, Kalibrierungsaufgaben und Dokumentationen zu pflegen.
- Erfahrung mit KI-Training, Datenannotation, LLM-Evaluierung, SQL-QA, Code-Review oder rubrikbasierter technischer Überprüfung ist ein starkes Plus.
Hauptverantwortlichkeiten
- Spot-Checks von SQL/Datenbank-Elementen, Identifizierung von Problemen, Feedback über DMs und Eskalation wiederkehrender oder kritischer Probleme.
- Überprüfung von KI-generierten SQL-Abfragen, Datenbankerklärungen, Schema-Logik, Analyse-Workflows und Optimierungsempfehlungen.
- Aktualisierung von Trainern/QAs auf Discord bezüglich Richtlinien, Workflow-Updates und SQL-spezifischen Qualitätserwartungen.
- Beantwortung von Fragen zu Joins, Aggregationen, Window-Funktionen, Abfragedialekten, Schemadesign, Performance, Sicherheit und Rubrikinterpretation.
- Kontaktieren inaktiver Mitwirkender, Förderung der Aktivierung, Verfolgung von Follow-ups und Meldung von Verfügbarkeitsproblemen.
- Erstellung und Pflege von SQL-Dokumentation, Styleguides, Trackern, FAQs, Beispielen, Honeypots und Onboarding-Materialien.
- Durchführung von Onboarding-/Trainingsanrufen für SQL-Mitwirkende.
- Markierung irreführender, nicht ausführbarer, ineffizienter, unsicherer oder dialektinkompatibler SQL-Empfehlungen.
- Identifizierung wiederkehrender Qualitätslücken und Verbesserung der SQL-QA-Workflows.
