Databricks AI / ML Engineer (m/w/d)

Qualysoft; Österreich; Vor Ort; EUR 95.940 - 103.320; Vollzeit

Zusammenfassung

Ein führendes Unternehmen im Bereich Daten und KI in Österreich sucht einen Databricks AI / ML Engineer, um skalierbare ML-Lösungen auf Azure Databricks zu entwickeln und zu implementieren. Die Aufgaben umfassen Datenanalyse, Big-Data-Pipelines und Feature Engineering. Erfahrung mit Apache Spark und ML-Frameworks ist erforderlich. Das Arbeitsmodell ist hybrid, mit einer Aufteilung von 50 % vor Ort und 50 % remote. Die Vergütung liegt zwischen €520 und €560 pro Tag.

Qualifikationen

• Fundierte Kenntnisse in Datenanalyse mit Python in Azure Databricks.
• Erfahrung mit Machine-Learning-Frameworks wie TensorFlow und PyTorch.
• Praktische Erfahrung im Big Data Engineering mit Apache Spark.

Aufgaben

• Datenanalyse und Prototyping mit Python in Azure Databricks.
• Entwicklung von Big-Data-Pipelines mit Apache Spark und Delta Lake.
• Feature Engineering sowie Training und Deployment von Modellen.

Kenntnisse

Datenanalyse mit Python

Machine-Learning-Frameworks

Big Data Engineering

Feature Engineering

MLOps-Implementierung

Tools

Apache Spark

Delta Lake

Databricks SQL

Azure Databricks

Jobbeschreibung

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.

>€520 - €560 a day

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 vonb>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

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!