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.
4 Machine Learning Expert Jobs
Stand 07.11.2026: 4 offene Stellen für Machine Learning Expert.
Vollzeitstelle als AI Transformation Engineer bei Binderholz in Fügen mit Entwicklung einer unternehmensweiten KI-Strategie, Umsetzung von KI-Projekten, ML-Modellen,…
Vollzeitstelle als AI Research Engineer bei Therefore Corporation mit Fokus auf AI/ML, LLMs, Prompting, Document Processing/OCR, Use-Case-Entwicklung, Prototyping und…
€ 3.267Tenure-Track-Assistenzprofessur für Machine Learning in Medizin und Lebenswissenschaften in Wien mit Aufbau einer eigenen Forschungsgruppe und Unterstützung bei einer…
Apply now » #jobreq_print_container div div div:first-child h2 {display: none;}The University of Vienna is a community of almost 11,000 individuals, including approximately 7,700 academic staff members, who passionately …
BildungswesenFrag TECjobs
Beschreibe deinen Wunschjob in eigenen Worten, entdecke passende Stellen und stelle Fragen zu konkreten Jobangeboten.
Machine Learning Expert – der Titel klingt nach Zukunft, meint aber sehr handfeste Arbeit. Sie bringen Maschinen bei, aus Daten Muster zu ziehen, und zwar so, dass am Ende ein Modell verlässlich entscheidet, vorhersagt oder klassifiziert. Konkret? Sie sichten und bereinigen Datensätze, wählen passende Algorithmen, trainieren Modelle, prüfen deren Güte und bringen sie schließlich in den produktiven Betrieb. Feature Engineering, Hyperparameter-Tuning, Monitoring der Modellqualität nach dem Deployment – vieles davon ist Detailarbeit, die kaum jemand sieht. Und ein guter Teil des Alltags besteht daraus, mit Fachabteilungen zu klären, welches Problem überhaupt gelöst werden soll.
Wie Sie in das Feld hineinkommen
Der klassische Weg führt über ein Studium in Informatik, Mathematik, Statistik oder einem technischen Fach mit starkem Datenbezug – Mechatronik und Physik zählen genauso dazu. Aber der Titel allein macht noch keine:n Expert:in. Entscheidend ist, dass Sie Modelle wirklich gebaut haben, nicht nur ein Tutorial nachgeklickt. Viele steigen als Data Scientist oder ML Engineer ein und schärfen ihr Profil über Jahre. Quereinstieg aus der Softwareentwicklung? Kommt vor, wenn Sie die mathematischen Grundlagen nachholen und sich ernsthaft in Modellierung einarbeiten.
Gefragt sind solide Kenntnisse in Python samt der üblichen Bibliotheken, ein Gespür für Statistik und lineare Algebra, dazu Erfahrung mit Frameworks wie TensorFlow oder PyTorch. Genauso wichtig: Sie müssen erklären können, warum ein Modell so entscheidet, wie es entscheidet. Wer Ergebnisse nicht übersetzen kann, bleibt im Labor stecken. MLOps, Cloud-Umgebungen, Versionierung von Daten und Modellen – das rundet das Bild ab.
Und die Arbeitgeber? Breiter gestreut, als viele denken. Technologieunternehmen und spezialisierte KI-Studios natürlich, aber ebenso Industriebetriebe, die Predictive Maintenance oder Qualitätskontrolle über Bilddaten fahren. Banken, Versicherer, der Handel, Forschungseinrichtungen. In Österreich sitzen die spannenden Rollen oft dort, wo Engineering auf Daten trifft – im Maschinenbau, in der Automatisierung, in der Sensorik. Kleinere Beratungen suchen ebenfalls, gerade für den Brückenschlag zwischen Modell und Geschäftsnutzen.
Machine Learning Expert in Zahlen
Machine Learning Expert – der Titel klingt nach Zukunft, meint aber sehr handfeste Arbeit. Sie bringen Maschinen bei, aus Daten Muster zu ziehen, und zwar so, dass am Ende ein Modell verlässlich entscheidet, vorhersagt oder klassifiziert. Konkret? Sie sichten und bereinigen Datensätze, wählen passende Algorithmen, trainieren Modelle, prüfen deren Güte und bringen sie schließlich in den produktiven Betrieb. Feature Engineering, Hyperparameter-Tuning, Monitoring der Modellqualität nach dem Deployment – vieles davon ist Detailarbeit, die kaum jemand sieht. Und ein guter Teil des Alltags besteht daraus, mit Fachabteilungen zu klären, welches Problem überhaupt gelöst werden soll.
Wie Sie in das Feld hineinkommen
Der klassische Weg führt über ein Studium in Informatik, Mathematik, Statistik oder einem technischen Fach mit starkem Datenbezug – Mechatronik und Physik zählen genauso dazu. Aber der Titel allein macht noch keine:n Expert:in. Entscheidend ist, dass Sie Modelle wirklich gebaut haben, nicht nur ein Tutorial nachgeklickt. Viele steigen als Data Scientist oder ML Engineer ein und schärfen ihr Profil über Jahre. Quereinstieg aus der Softwareentwicklung? Kommt vor, wenn Sie die mathematischen Grundlagen nachholen und sich ernsthaft in Modellierung einarbeiten.
Gefragt sind solide Kenntnisse in Python samt der üblichen Bibliotheken, ein Gespür für Statistik und lineare Algebra, dazu Erfahrung mit Frameworks wie TensorFlow oder PyTorch. Genauso wichtig: Sie müssen erklären können, warum ein Modell so entscheidet, wie es entscheidet. Wer Ergebnisse nicht übersetzen kann, bleibt im Labor stecken. MLOps, Cloud-Umgebungen, Versionierung von Daten und Modellen – das rundet das Bild ab.
Und die Arbeitgeber? Breiter gestreut, als viele denken. Technologieunternehmen und spezialisierte KI-Studios natürlich, aber ebenso Industriebetriebe, die Predictive Maintenance oder Qualitätskontrolle über Bilddaten fahren. Banken, Versicherer, der Handel, Forschungseinrichtungen. In Österreich sitzen die spannenden Rollen oft dort, wo Engineering auf Daten trifft – im Maschinenbau, in der Automatisierung, in der Sensorik. Kleinere Beratungen suchen ebenfalls, gerade für den Brückenschlag zwischen Modell und Geschäftsnutzen.