Technical skills
About this role
Für ein langfristig angelegtes Daten- und KI-Programm wird ein Databricks AI / ML Engineer (m/w/d) gesucht.
Ziel ist die Entwicklung, Implementierung und der Betrieb skalierbarer Machine-Learning- und LLM-Lösungen auf Azure Databricks von der Datenaufbereitung über Feature Engineering bis hin zu MLOps, Deployment und Monitoring.
Der Fokus liegt auf Big-Data-Engineering, ML/LLM-Workloads, MLOps-Automatisierung sowie der nahtlosen Integration in das Microsoft-Ökosystem.
Interessiert?
Bitte senden Sie uns Ihren aktuellen Lebenslauf, Ihre Verfügbarkeit sowie Ihre Stundensatzvorstellung.
Wir freuen uns auf Ihre Rückmeldung.
Kontaktaufnahme gerne über Freelancermap, per E-Mail oder über LinkedIn.
Vielen Dank für Ihr Interesse!
Rahmenbedingungen
Start: März/April 2026
Laufzeit: 3 Jahre (optional verlängerbar bis max. 5 Jahre)
Auslastung: 100 %
Arbeitsmodell: Hybrid – ca. 50 % vor Ort in Wien, ca. 50 % remote
Projektsprache: Deutsch und Englisch
Aufgaben:
Datenanalyse und Prototyping mit Python in Azure Databricks unter Einsatz gängiger ML-Frameworks
Entwicklung und Betrieb von Big-Data-Pipelines mit Apache Spark, Delta Lake und Databricks SQL
Durchführung von Feature Engineering sowie Training, Versionierung und Deployment von Modellen mit Databricks MLflow
Entwicklung und Betrieb von ML- und LLM-Workloads auf Azure Databricks (inkl. Unity Catalog, Performance- und Kostenoptimierung)
End-to-End-Integration der Lösungen in das Microsoft-Ökosystem (z. B. API- und Schnittstellendesign, Orchestrierung mit Azure Functions und Logic Apps)
Aufbau und Weiterentwicklung von MLOps- und CI/CD-Pipelines für automatisiertes Training, Testing, Deployment und Monitoring von ML- und LLM-Modellen sowie Agents
Durchführung von Modell- und Datenmonitoring (Modellleistung, Daten-Drift, Bias) inklusive Wartungs- und Updateprozessen
Einsatz von AutoML-Tools zur Beschleunigung von Prototypen und Experimenten
Sicherstellung von Skalierbarkeit, Sicherheit und stabilen Betriebsprozessen der entwickelten Lösungen
Fachliche Anforderungen:
Fundierte Kenntnisse in Datenanalyse und Prototyping mit Python in Azure Databricks
Erfahrung mit Machine-Learning-Frameworks wie TensorFlow, PyTorch und scikit-learn
Praktische Erfahrung im Big Data Engineering mit Apache Spark, Delta Lake und Databricks SQL
Kompetenz in Feature Engineering sowie Modell-Deployment mit managed Databricks MLflow
Erfahrung in der Entwicklung und dem Betrieb von ML- und LLM-Workloads auf Azure Databricks
Erfahrung mit End-to-End-Integrationen im Microsoft-Ökosystem
Erfahrung im Aufbau von MLOps- und CI/CD-Pipelines für ML- und LLM-Modelle sowie agentische Workflows
Erfahrung im Modell- und Datenmonitoring (Leistung, Drift, Bias) inklusive passender Wartungsstrategien
Praktische Erfahrung im Einsatz von AutoML-Tools
Vorhandensein einer eigenen, vom Produktivsystem des Auftraggebers getrennten Entwicklungsumgebung, die den aktuellen Standards für Datensicherheit und Zugriffsschutz entspricht (inkl. Nachweis der Infrastruktur)
Plus
Erfahrung mit Data- und KI-Governance
Erfahrung in der Konzeption und Umsetzung agentischer Ansätze (Agenten, Multi-Agent-Systeme, agentische Workflows) mit Azure-Ressourcen
Erfahrung in der Umsetzung von End-to-End-Databricks-Projekten (von Datenaufbereitung und Feature Engineering über Modelltraining und Deployment bis zu MLOps und Monitoring)
Branchenkenntnisse in der Energieindustrie
Strukturierte und analytische Arbeitsweise
Hohes Qualitätsbewusstsein und Verantwortungsbereitschaft
Sehr gute Kommunikationsfähigkeit gegenüber technischen und fachlichen Stakeholdern
Teamfähigkeit und Bereitschaft zur Wissensweitergabe