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.
179 Machine Learning Jobs
Anforderungen in saubere, sichere und wartbare technische Lösungen zu übersetzen. Diese Stelle umfasst folgende Tätigkeitsbereiche: Du analysierst, priorisierst und automatisierst…
requirements analysis, system design and structuring modular tasks. With your interest in the newest technological developments, you advance our research projects and help…
Profile, assess, transform, and prepare enterprise data for analytical use. • Develop and maintain data pipelines using Azure Data Factory, Databricks, Microsoft Fabric, and…
Tätigkeiten DEIN PROFIL: Eine abgeschlossene Ausbildung als Reiseverkehrskauffrau bzw. Tourismuskaufmann (m/w/d) oder eine ähnliche Qualifikation im touristischen oder…
LuftfahrttechnikSoftwareentwicklungSupport & HelpdeskIT Architektur & InfrastrukturAI & Machine LearningQualitätssicherungBusiness IntelligenceSonstige Stellen im IT-BereichData Science Engineer für NLP, Machine Learning und produktionsreife AI-Lösungen bei Prewave in Wien.
requirements and deliver insights Communicate complex technical concepts clearly to both technical and non-technical stakeholders Required Qualifications Master’s or Ph.D. in Data…
Full-time predoctoral university assistant position at the Department of Networked and Embedded Systems in Klagenfurt, focused on research, PhD work and teaching in electrical and…
€ 3.776Klagenfurt am WörtherseeVollzeitTechnische Informatik & Embedded SystemsAI & Machine LearningSmart GridsPredoctoral university assistant position in machine learning, communication systems, signal processing or electronic based systems at the University of Klagenfurt.
€ 3.776Klagenfurt am WörtherseeVollzeitElektronikTechnische Informatik & Embedded SystemsAI & Machine LearningJobs 07 — 04 — 2026 ML and Software Development Engineer (m/f/d) Software Developer Full-Time Graz, Austria Your role As an ML and Software development engineer, you will play a…
Benefits at TUI UK Discover the benefits of working with TUI in the UK, and be part of a team that creates unforgettable travel experiences for our customers. Learn More Learn…
Wir bieten flache Hierarchien, kurze Entscheidungswege & ein motiviertes Team modernes Arbeitsumfeld & Einsatz neuester Technologien familiäres Betriebsklima & gemeinsame… €…
Profile, assess, transform, and prepare enterprise data for analytical use. • Develop and maintain data pipelines using Azure Data Factory, Databricks, Microsoft Fabric, and…
Aufgaben Entwicklung methodischer Standards für die Integration drohnenbasierter Pflanzenbonituren in der österreichischen Sortenwertprüfung Erarbeitung von Flug- und…
€ 1.544Ruprechtshofen,WienVollzeitDatenbanken & Data WarehouseSonstige im Bereich IT / InformatikAI & Machine LearningBusiness Intelligence
Praktikum im Bereich AI Governance bei Erste Group Bank AG in Wien mit Fokus auf verantwortungsvolle AI, Risikomanagement, Governance Frameworks und regulatorische Anforderungen.
Aufgaben Analyse und Auswertung von Produktions- und Unternehmensdaten aus SAP, MES und digitalen Assistenzsystemen Konzeption und Umsetzung von KI-basierten Anwendungen,…
Internship in Vienna focused on Python, scientific data, AI methods, databases and data APIs for nuclear structure and decay data.
Benefits at TUI UK Discover the benefits of working with TUI in the UK, and be part of a team that creates unforgettable travel experiences for our customers. Learn More Learn…
MechatronikElektronikElektrik, Installation, EnergietechnikInbetriebnahme, Wartung & ReparaturLuftfahrttechnikSoftwareentwicklungSupport & HelpdeskIT Architektur & InfrastrukturGebäudetechnik & InnenausbauTechnischer VertriebSonstige im Bereich ElektrotechnikAI & Machine LearningQualitätssicherungAufgabengebiet Du baust smarte KI-Komponenten, die datengetriebene Geschäfts- und Produktionsprozesse spürbar schneller, stabiler und effizienter machen Du konzipierst, trainierst und rollst ML-Modelle für Use Cases wie …
PersonaldienstleistungTätigkeiten und Steigerung der Prozesseffizienz Aufbau automatisierter Reports, Dashboards und datenbasierter Auswertungen Entwicklung und Betreuung von Schnittstellen zwischen Qualitätssystemen, Datenbanken, Prüfmitteln …
PersonaldienstleistungAkademische Fachkraft Data Science für Lehre und Forschungsaufgaben an der USTP in St. Pölten.
Bildungswesen4 weitere Stellen warten auf dich
Registriere dich kostenlos, entdecke neue Stellen früher und bewirb dich schneller. Du erhältst sofort Zugriff auf alle Stellenanzeigen – 100% kostenlos und in nur einer Minute.
Alle Stellen kostenlos ansehenDu hast bereits ein Konto? EinloggentecAI
Gedanken eingeben. Möglichkeiten entdecken.
Was Machine-Learning-Fachleute in der Technik konkret tun
Modelle bauen, ja. Aber das ist selten der Anfang. Bevor auch nur eine Zeile Trainingscode läuft, sitzen Sie an den Daten: sichten, bereinigen, verstehen, woher ein Sensorwert eigentlich kommt und warum er manchmal fehlt. In der industriellen Praxis – Anlagenbau, Automotive, Fertigung, Energiewirtschaft – bedeutet Machine Learning meistens, dass ein reales Problem gelöst werden soll. Vorhersage von Maschinenausfällen. Qualitätskontrolle über Bilderkennung. Optimierung von Lastprofilen. Der Weg vom Prototyp im Notebook bis zu einem Modell, das im Produktivbetrieb zuverlässig läuft, ist lang und wird oft unterschätzt.
Und genau dort, an dieser Schnittstelle zwischen Forschung und Betrieb, entstehen die interessanten Rollen. Ob als ML Engineer, Data Scientist mit Ingenieurshintergrund oder MLOps-Spezialist:in – gefragt ist, wer beides kann: sauber modellieren und das Ergebnis stabil in bestehende Systeme bringen.
Wie Sie einsteigen und was zählt
Der klassische Weg führt über ein Studium in Informatik, Mathematik, Statistik oder einem technischen Fach mit starkem Datenanteil. Zwingend ist das nicht. Viele kommen aus der Softwareentwicklung oder aus dem Engineering und arbeiten sich über Projekte hinein. Was Arbeitgeber tatsächlich sehen wollen? Python und die üblichen Bibliotheken sitzen. Sie verstehen, wann ein einfaches Verfahren einem Deep-Learning-Ansatz überlegen ist – und trauen sich, das auch zu sagen. Solides Fundament in Wahrscheinlichkeitsrechnung. Erfahrung mit Cloud-Umgebungen und Versionierung von Daten und Modellen.
Weiche Faktoren zählen mehr, als man vermutet. Sie müssen einem Fachbereich erklären können, warum ein Modell eine bestimmte Entscheidung trifft, ohne in Fachjargon zu verfallen.
Zu den typischen Arbeitgebern in Österreich gehören Industrieunternehmen mit eigener Datenabteilung, Forschungseinrichtungen, spezialisierte Beratungen und Tech-Firmen, die Produkte rund um Automatisierung und Sensorik entwickeln. Auch der öffentliche Sektor und größere Energieversorger bauen zunehmend interne Teams auf. Wer flexibel bleibt und gern zwischen Domänen wechselt – vom Predictive Maintenance zum Sprachmodell –, findet hier viel Bewegungsspielraum. Der Bedarf verteilt sich längst nicht mehr nur auf Wien.
Machine Learning in Zahlen
Was Machine-Learning-Fachleute in der Technik konkret tun
Modelle bauen, ja. Aber das ist selten der Anfang. Bevor auch nur eine Zeile Trainingscode läuft, sitzen Sie an den Daten: sichten, bereinigen, verstehen, woher ein Sensorwert eigentlich kommt und warum er manchmal fehlt. In der industriellen Praxis – Anlagenbau, Automotive, Fertigung, Energiewirtschaft – bedeutet Machine Learning meistens, dass ein reales Problem gelöst werden soll. Vorhersage von Maschinenausfällen. Qualitätskontrolle über Bilderkennung. Optimierung von Lastprofilen. Der Weg vom Prototyp im Notebook bis zu einem Modell, das im Produktivbetrieb zuverlässig läuft, ist lang und wird oft unterschätzt.
Und genau dort, an dieser Schnittstelle zwischen Forschung und Betrieb, entstehen die interessanten Rollen. Ob als ML Engineer, Data Scientist mit Ingenieurshintergrund oder MLOps-Spezialist:in – gefragt ist, wer beides kann: sauber modellieren und das Ergebnis stabil in bestehende Systeme bringen.
Wie Sie einsteigen und was zählt
Der klassische Weg führt über ein Studium in Informatik, Mathematik, Statistik oder einem technischen Fach mit starkem Datenanteil. Zwingend ist das nicht. Viele kommen aus der Softwareentwicklung oder aus dem Engineering und arbeiten sich über Projekte hinein. Was Arbeitgeber tatsächlich sehen wollen? Python und die üblichen Bibliotheken sitzen. Sie verstehen, wann ein einfaches Verfahren einem Deep-Learning-Ansatz überlegen ist – und trauen sich, das auch zu sagen. Solides Fundament in Wahrscheinlichkeitsrechnung. Erfahrung mit Cloud-Umgebungen und Versionierung von Daten und Modellen.
Weiche Faktoren zählen mehr, als man vermutet. Sie müssen einem Fachbereich erklären können, warum ein Modell eine bestimmte Entscheidung trifft, ohne in Fachjargon zu verfallen.
Zu den typischen Arbeitgebern in Österreich gehören Industrieunternehmen mit eigener Datenabteilung, Forschungseinrichtungen, spezialisierte Beratungen und Tech-Firmen, die Produkte rund um Automatisierung und Sensorik entwickeln. Auch der öffentliche Sektor und größere Energieversorger bauen zunehmend interne Teams auf. Wer flexibel bleibt und gern zwischen Domänen wechselt – vom Predictive Maintenance zum Sprachmodell –, findet hier viel Bewegungsspielraum. Der Bedarf verteilt sich längst nicht mehr nur auf Wien.