Neue Treffer für diese Suche automatisch erhalten?
Mit einem Klick erhältst du kostenlos passende Jobangebote per E-Mail – ausgewählt von deinem Job-Agenten. Gelegentlich kann auch eine besonders passende Stelle direkt von einem Unternehmen dabei sein (maximal einmal pro Woche).
Wie oft und welche Stellen du erhalten möchtest, bestimmst du selbst. Diese und viele weitere Einstellungen kannst du jederzeit in deinem Login-Bereich anpassen.
Natürlich kostenlos und jederzeit mit einem Klick abbestellbar.
13 Machine Learning Engineer Jobs
Stand 06.11.2026: 13 offene Stellen für Machine Learning Engineer. Ausgeschriebenes Mindestgehalt bei 5 aktuellen Stellen: 3.214 bis 5.834 Euro brutto im Monat, Median 3.500 Euro.
Celantur at INTERGEO 2026 Performance Engineer for a highly scalable ML product (f/x/m) 💻 Build world-class technology to protect people's privacy Hybrid Office in Linz; Remote…
Back to jobs New Machine Learning Engineer Austria (remote) Apply Machine Learning Engineer We’re looking for a Machine Learning Engineer with deep expertise in computer vision…
Anforderungen in allen Industriezweigen bedient. Die Business Unit "AI Delivery" bietet eine Funktion, mit deren Unterstützung insbesondere komplexere Anforderungen evaluiert,…
requirements across security, observability, governance, performance, and scalability. You will write and maintain the technical artifacts that accompany your engineering work —…
Tätigkeiten an innovativen Entwicklungsprojekten zu erweitern ein freundliches und kollegiales Arbeitsumfeld Deine Benefits Individuelle Entwicklungs- u. Aufstiegsmöglichkeiten…
Qualifikationen Bachelor's degree in Computer Science, Computer Engineering, Software Engineering, or a related field; 2+ years of commercial software engineering experience in…
Profil Du begeisterst dich für KI, denkst in Prozessen und findest für jede Herausforderung eine smarte Lösung? Du entwickelst intelligente Automatisierungen rund um unsere…
Profilvorschläge von Personaldienstleistern. Finde ähnliche Jobs Neu Bechtle GmbH & Co.KG Bonn/Köln Experte Informationssicherheit & Security Governance (w/m/d) Sankt Augustin DE…
€ 5.834Sankt Augustin,MünsterVollzeit
SoftwareentwicklungIT Security & CybersecurityERPAI & Machine LearningBusiness IntelligenceTätigkeiten DEIN PROFIL: Eine abgeschlossene Ausbildung als Reiseverkehrskauffrau bzw. Tourismuskaufmann (m/w/d) oder eine ähnliche Qualifikation im touristischen oder…
Bachelor- oder Masterarbeit bei [Arbeitgeber] zu Modellreduktion durch neuronale Netze für FEM-Modelle von Werkzeugmaschinen, digitale Zwillinge und mechatronische Co-Simulationen.
Maschinenbau, Anlagenbaurequirements. We also actively encourage individuals with disabilities to submit their application. Do you have more questions?Saradha Vathana (Shar) People Engagement, Employer Branding & DEI PartnerE-Mail: talent.europ …
Industrie, Produktionrequirements into concrete data specifications, and iterate as experiments reveal new needs. Create evaluation datasets and benchmarks in collaboration with researchers—curating task distributions that surface real failu …
Internet, IT, Telekom1 weitere Stelle wartet 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? EinloggenFrag TECjobs
Beschreibe deinen Wunschjob in eigenen Worten, entdecke passende Stellen und stelle Fragen zu konkreten Jobangeboten.
Machine Learning Engineer – der Titel klingt nach Zukunft, meint aber vor allem solide Ingenieursarbeit. Sie bauen Modelle nicht nur, Sie bringen sie in den produktiven Betrieb. Datenpipelines, Feature-Engineering, das Training selbst, dann das Deployment und Monitoring – der Alltag pendelt zwischen Experiment und Wartung. Ein Modell, das im Notebook glänzt, aber unter echter Last zusammenbricht? Passiert öfter, als man denkt.
Deshalb überschneidet sich die Rolle stark mit klassischem Software Engineering. Versionierung, Tests, saubere Schnittstellen, reproduzierbare Trainingsläufe. Data Scientists formulieren häufig die Fragestellung, Sie sorgen dafür, dass aus dem Prototyp etwas Belastbares wird. In kleineren Teams verschwimmen diese Grenzen ohnehin, und Sie tragen beide Hüte gleichzeitig.
Einstieg und gefragte Qualifikationen
Der häufigste Weg führt über ein Studium der Informatik, Mathematik, Statistik oder eines technischen Fachs mit starkem Programmieranteil. Aber nicht der einzige. Manche kommen aus der Softwareentwicklung und eignen sich das ML-Handwerk berufsbegleitend an, andere über eine Promotion im Bereich maschinelles Lernen. Was zählt, ist die Verbindung aus beidem: mathematisches Verständnis und die Fähigkeit, sauberen, wartbaren Code zu schreiben.
Python ist gesetzt, ebenso Vertrautheit mit Frameworks wie PyTorch oder TensorFlow. Dazu kommen Cloud-Plattformen, Containerisierung, ein Gefühl für Datenbanken und – zunehmend wichtig – MLOps-Praktiken. Soft Skills sollten Sie nicht unterschätzen: Wer den Fachbereich versteht und Ergebnisse verständlich erklärt, ist im Vorteil.
Wo arbeitet man? Das Spektrum ist breiter, als viele vermuten. Große Industrieunternehmen, Banken und Versicherungen mit ihren Risikomodellen, Handelskonzerne, dazu eine lebendige Startup-Szene in Wien, Linz und Graz. Forschungsnahe Institute und spezialisierte Beratungen kommen hinzu. Ob Predictive Maintenance in der Produktion oder Empfehlungssysteme im Onlinehandel – die Anwendungsfelder wachsen mit den Daten, die überall anfallen.
Karrierewege gibt es zwei grundsätzliche Richtungen. Fachlich tiefer, hin zum Spezialisten für bestimmte Modellklassen oder Infrastruktur. Oder in die Breite, Richtung Team- und Projektverantwortung.
Machine Learning Engineer in Zahlen
Machine Learning Engineer – der Titel klingt nach Zukunft, meint aber vor allem solide Ingenieursarbeit. Sie bauen Modelle nicht nur, Sie bringen sie in den produktiven Betrieb. Datenpipelines, Feature-Engineering, das Training selbst, dann das Deployment und Monitoring – der Alltag pendelt zwischen Experiment und Wartung. Ein Modell, das im Notebook glänzt, aber unter echter Last zusammenbricht? Passiert öfter, als man denkt.
Deshalb überschneidet sich die Rolle stark mit klassischem Software Engineering. Versionierung, Tests, saubere Schnittstellen, reproduzierbare Trainingsläufe. Data Scientists formulieren häufig die Fragestellung, Sie sorgen dafür, dass aus dem Prototyp etwas Belastbares wird. In kleineren Teams verschwimmen diese Grenzen ohnehin, und Sie tragen beide Hüte gleichzeitig.
Einstieg und gefragte Qualifikationen
Der häufigste Weg führt über ein Studium der Informatik, Mathematik, Statistik oder eines technischen Fachs mit starkem Programmieranteil. Aber nicht der einzige. Manche kommen aus der Softwareentwicklung und eignen sich das ML-Handwerk berufsbegleitend an, andere über eine Promotion im Bereich maschinelles Lernen. Was zählt, ist die Verbindung aus beidem: mathematisches Verständnis und die Fähigkeit, sauberen, wartbaren Code zu schreiben.
Python ist gesetzt, ebenso Vertrautheit mit Frameworks wie PyTorch oder TensorFlow. Dazu kommen Cloud-Plattformen, Containerisierung, ein Gefühl für Datenbanken und – zunehmend wichtig – MLOps-Praktiken. Soft Skills sollten Sie nicht unterschätzen: Wer den Fachbereich versteht und Ergebnisse verständlich erklärt, ist im Vorteil.
Wo arbeitet man? Das Spektrum ist breiter, als viele vermuten. Große Industrieunternehmen, Banken und Versicherungen mit ihren Risikomodellen, Handelskonzerne, dazu eine lebendige Startup-Szene in Wien, Linz und Graz. Forschungsnahe Institute und spezialisierte Beratungen kommen hinzu. Ob Predictive Maintenance in der Produktion oder Empfehlungssysteme im Onlinehandel – die Anwendungsfelder wachsen mit den Daten, die überall anfallen.
Karrierewege gibt es zwei grundsätzliche Richtungen. Fachlich tiefer, hin zum Spezialisten für bestimmte Modellklassen oder Infrastruktur. Oder in die Breite, Richtung Team- und Projektverantwortung.