4 AI%20Developer Jobs
Wir erwarten uns:Must have Azure Platform Engineering Erfahrung (Networking, Subscriptions, Landing Zones, Security) Erfahrung mit Azure AI Foundry / Azure OpenAI / Azure AI…
ab € 4.285 brutto/Monat
System- & Netzwerkadministration
Vollzeitstelle als AI Platform Engineer bei der BTV Vier Länder Bank in Innsbruck mit Fokus auf AI-Plattformen, Machine Learning, Python, Cloud, DevOps, Containerisierung, CI/CD,…
AI Application Engineer in Vollzeit bei Industrie Informatik für KI-/ML-Lösungen im MES-Umfeld.
Praktikum oder Study & Work bei ventopay in Hagenberg für Studierende mit Programmiererfahrung, SQL-Kenntnissen und Interesse an modernen Technologien, Digitalisierung und…
tecAI
Beschreib einfach deinen Wunschjob – ich finde passende Stellen auf TECjobs.at.
Ai Developer – der Begriff klingt nach Zukunftsmusik, meint aber längst konkrete Arbeit an konkreten Systemen. Sie trainieren Modelle, binden Sprach- und Bildverarbeitung in bestehende Anwendungen ein und sorgen dafür, dass aus einem Prototyp im Notebook etwas wird, das im Betrieb hält. Datenpipelines aufsetzen. Prompts und Parameter tunen. Und immer wieder die Frage: Warum entscheidet das Modell so, wie es entscheidet? Ein guter Teil des Alltags besteht darin, genau das nachvollziehbar zu machen – für Kolleg:innen, für Kund:innen, manchmal für die Rechtsabteilung.
Der Einstieg führt selten über einen einzelnen Königsweg. Viele kommen aus der klassischen Softwareentwicklung und wachsen ins Thema hinein, andere über ein Studium in Informatik, Data Science oder Mathematik. Auch Quereinsteiger:innen aus Physik oder Statistik finden ihren Platz, wenn sie das Handwerk beherrschen. Was zählt, ist weniger das Zertifikat als das, was Sie tatsächlich gebaut haben.
Welche Qualifikationen wirklich gefragt sind
Python ist gesetzt, dazu Erfahrung mit Frameworks wie PyTorch oder TensorFlow. Verständnis für maschinelles Lernen jenseits des Buzzword-Niveaus – also die Fähigkeit, ein Modell nicht nur aufzurufen, sondern zu bewerten, zu debuggen und zu verbessern. Cloud-Infrastruktur, Versionierung, ein Gespür für sauberen Code, der auch in einem halben Jahr noch wartbar ist. Und weil KI-Anwendungen fast nie allein im Raum stehen: die Bereitschaft, sich in Fachdomänen einzudenken, ob Medizintechnik, Logistik oder Finanzwesen. Kommunikation gehört mehr dazu, als viele erwarten, wenn Sie technische Grenzen gegenüber Menschen erklären müssen, die von Tokens noch nie gehört haben.
Arbeitgeber? Das reicht von Softwarehäusern und Beratungen über Industrieunternehmen, die ihre Produktion mit KI optimieren, bis zu spezialisierten Start-ups. In Österreich sitzen viele spannende Teams in Wien, Linz und Graz, oft nah an Hochschulen und Forschungseinrichtungen. Dazu kommen etablierte Konzerne, die eigene KI-Einheiten aufbauen und dafür Leute suchen, die zwischen Forschung und Produkt vermitteln können. Wer sich weiterentwickeln will, findet Wege Richtung MLOps, Research oder technische Leitung – die Richtung bestimmen meist Sie selbst.
Ai Developer – der Begriff klingt nach Zukunftsmusik, meint aber längst konkrete Arbeit an konkreten Systemen. Sie trainieren Modelle, binden Sprach- und Bildverarbeitung in bestehende Anwendungen ein und sorgen dafür, dass aus einem Prototyp im Notebook etwas wird, das im Betrieb hält. Datenpipelines aufsetzen. Prompts und Parameter tunen. Und immer wieder die Frage: Warum entscheidet das Modell so, wie es entscheidet? Ein guter Teil des Alltags besteht darin, genau das nachvollziehbar zu machen – für Kolleg:innen, für Kund:innen, manchmal für die Rechtsabteilung.
Der Einstieg führt selten über einen einzelnen Königsweg. Viele kommen aus der klassischen Softwareentwicklung und wachsen ins Thema hinein, andere über ein Studium in Informatik, Data Science oder Mathematik. Auch Quereinsteiger:innen aus Physik oder Statistik finden ihren Platz, wenn sie das Handwerk beherrschen. Was zählt, ist weniger das Zertifikat als das, was Sie tatsächlich gebaut haben.
Welche Qualifikationen wirklich gefragt sind
Python ist gesetzt, dazu Erfahrung mit Frameworks wie PyTorch oder TensorFlow. Verständnis für maschinelles Lernen jenseits des Buzzword-Niveaus – also die Fähigkeit, ein Modell nicht nur aufzurufen, sondern zu bewerten, zu debuggen und zu verbessern. Cloud-Infrastruktur, Versionierung, ein Gespür für sauberen Code, der auch in einem halben Jahr noch wartbar ist. Und weil KI-Anwendungen fast nie allein im Raum stehen: die Bereitschaft, sich in Fachdomänen einzudenken, ob Medizintechnik, Logistik oder Finanzwesen. Kommunikation gehört mehr dazu, als viele erwarten, wenn Sie technische Grenzen gegenüber Menschen erklären müssen, die von Tokens noch nie gehört haben.
Arbeitgeber? Das reicht von Softwarehäusern und Beratungen über Industrieunternehmen, die ihre Produktion mit KI optimieren, bis zu spezialisierten Start-ups. In Österreich sitzen viele spannende Teams in Wien, Linz und Graz, oft nah an Hochschulen und Forschungseinrichtungen. Dazu kommen etablierte Konzerne, die eigene KI-Einheiten aufbauen und dafür Leute suchen, die zwischen Forschung und Produkt vermitteln können. Wer sich weiterentwickeln will, findet Wege Richtung MLOps, Research oder technische Leitung – die Richtung bestimmen meist Sie selbst.