Neue Treffer für diese Suche automatisch erhalten?
Kostenlos und jederzeit kündbar – jede Mail enthält einen Abmelde-Link. Umfang, Zeitpunkt und Schärfe deines Agenten stellst du – wie viele weitere Funktionen – in deinem Login-Bereich ein.
18 Data Scientist Jobs
DevOps / AgentOps Engineer für AI-Transformation, Plattformkomponenten, MLOps, LLMOps und produktive AI-Lösungen bei EY Österreich.
€ 3.378
AI & Machine LearningtecAI
Gedanken eingeben. Möglichkeiten entdecken.
Data Scientists holen aus Daten heraus, was Entscheidungen wirklich trägt. Klingt abstrakt? Im Alltag heißt das: Rohdaten aus Sensoren, Produktionslinien oder Kundensystemen aufbereiten, Muster erkennen, Modelle bauen, die morgen belastbar prognostizieren, was heute noch unklar ist. Zwischen SQL-Abfrage und Präsentation vor dem Management liegen manchmal Welten – und genau diese Spannweite macht den Beruf aus. Sie schreiben Code, Sie hinterfragen Annahmen, Sie erklären einem Ingenieur, warum sein Bauchgefühl diesmal danebenlag. Diplomatisch, versteht sich.
Der Einstieg führt selten über einen einzigen Weg. Klassisch sind Studienrichtungen wie Statistik, Mathematik, Informatik oder Physik, häufig ergänzt durch einen technischen Schwerpunkt. Aber auch Quereinsteiger:innen aus der Ingenieurwissenschaft finden ihren Platz, wenn sie das methodische Rüstzeug nachschärfen. Und dann gibt es noch die, die als Data Analyst begonnen haben und Schritt für Schritt in die Modellierung hineingewachsen sind.
Was auf dem Tisch liegen sollte
Solide Kenntnisse in Python oder R gelten als Grundlage, dazu ein Gespür für Statistik, das über auswendig gelernte Formeln hinausreicht. Machine-Learning-Frameworks, der Umgang mit großen, unsauberen Datenmengen, Cloud-Umgebungen – Vieles davon lernen Sie ohnehin erst im Projekt richtig. Wichtiger, als jedes Tool zu beherrschen: verstehen, welche Frage die Daten eigentlich beantworten sollen. Kommunikationsstärke gehört untrennbar dazu, weil das beste Modell nichts wert ist, wenn niemand seine Ergebnisse einordnen kann.
Typische Arbeitgeber reichen quer durch die österreichische Technikbranche. Industrieunternehmen mit vernetzter Produktion, Energieversorger, der Anlagen- und Maschinenbau, Forschungseinrichtungen, dazu spezialisierte Technologiedienstleister. In manchen Häusern sitzen Sie in einem eingespielten Data-Team, in anderen sind Sie die erste Person überhaupt, die diese Rolle ausfüllt – mit allem, was an Gestaltungsfreiheit und Stolpersteinen dranhängt. Wer gern zwischen Technik, Analyse und Menschen pendelt, findet hier ein Feld, das selten stillsteht.
Data Scientist in Zahlen
Data Scientists holen aus Daten heraus, was Entscheidungen wirklich trägt. Klingt abstrakt? Im Alltag heißt das: Rohdaten aus Sensoren, Produktionslinien oder Kundensystemen aufbereiten, Muster erkennen, Modelle bauen, die morgen belastbar prognostizieren, was heute noch unklar ist. Zwischen SQL-Abfrage und Präsentation vor dem Management liegen manchmal Welten – und genau diese Spannweite macht den Beruf aus. Sie schreiben Code, Sie hinterfragen Annahmen, Sie erklären einem Ingenieur, warum sein Bauchgefühl diesmal danebenlag. Diplomatisch, versteht sich.
Der Einstieg führt selten über einen einzigen Weg. Klassisch sind Studienrichtungen wie Statistik, Mathematik, Informatik oder Physik, häufig ergänzt durch einen technischen Schwerpunkt. Aber auch Quereinsteiger:innen aus der Ingenieurwissenschaft finden ihren Platz, wenn sie das methodische Rüstzeug nachschärfen. Und dann gibt es noch die, die als Data Analyst begonnen haben und Schritt für Schritt in die Modellierung hineingewachsen sind.
Was auf dem Tisch liegen sollte
Solide Kenntnisse in Python oder R gelten als Grundlage, dazu ein Gespür für Statistik, das über auswendig gelernte Formeln hinausreicht. Machine-Learning-Frameworks, der Umgang mit großen, unsauberen Datenmengen, Cloud-Umgebungen – Vieles davon lernen Sie ohnehin erst im Projekt richtig. Wichtiger, als jedes Tool zu beherrschen: verstehen, welche Frage die Daten eigentlich beantworten sollen. Kommunikationsstärke gehört untrennbar dazu, weil das beste Modell nichts wert ist, wenn niemand seine Ergebnisse einordnen kann.
Typische Arbeitgeber reichen quer durch die österreichische Technikbranche. Industrieunternehmen mit vernetzter Produktion, Energieversorger, der Anlagen- und Maschinenbau, Forschungseinrichtungen, dazu spezialisierte Technologiedienstleister. In manchen Häusern sitzen Sie in einem eingespielten Data-Team, in anderen sind Sie die erste Person überhaupt, die diese Rolle ausfüllt – mit allem, was an Gestaltungsfreiheit und Stolpersteinen dranhängt. Wer gern zwischen Technik, Analyse und Menschen pendelt, findet hier ein Feld, das selten stillsteht.