
Entwicklung und Implementierung von ML-, Advanced-Analytics- und GenAI-Lösungen. Mehrjährige Erfahrung in ML-Modellentwicklung und MLOps-Praktiken. Home-Office-Möglichkeiten.
Kundenprojekte eigenständig begleiten, interdisziplinär koordinieren und KI-Tools nutzen. Fundierte Statistikkenntnisse und mehrjährige praktische Erfahrung in Data Science sind erforderlich. Sie profitieren von direkter Einflussnahme auf Produkte.


Gestaltung der Datenarchitektur, Weiterentwicklung von SAP Business Warehouse und BI-Projekten. Erfahrung im SAP Consulting mit Fokus Business Data Warehouse, Datasphere, SAP Analytics Cloud. Flexible Arbeitszeiten und Home-Office-Regelung.


Datenmodelle in BigQuery erstellen und optimieren. SQL-basierte Transformationen schreiben. Python-basierte Datenverarbeitungsjobs entwickeln. Starke SQL-Kenntnisse sind erforderlich. Flexible Arbeitsmodelle werden angeboten.

Gestaltung und Betrieb von Daten- und KI-Projekten, inklusive Aufbau von Datenplattformen und ML-Systemen. Fließende Deutsch- und Englischkenntnisse sind erforderlich. Möglichkeit zur vollen Gestaltungsfreiheit bei der Infrastruktur.

Analyse von Produktionsdaten aus SAP, MES und digitalen Assistenzsystemen. Konzeption und Umsetzung von KI-basierten Anwendungen und Automatisierungslösungen. Sehr gute Kenntnisse in Python, SQL, Datenanalyse und DevOps. Flexible Arbeitszeitmodelle.

Entwicklung von ELT-Pipelines mit Snowflake, Azure Data Factory, DBT oder Dagster. Mindestens drei Jahre Erfahrung mit Analytics-Tools. Möglichkeit zur Anwendung von KI zur Unterstützung von Geschäftszielen.

Entwicklung der Common Data Platform auf GCP, Aufbau dezentraler Datenprodukte nach Data-Mesh-Prinzipien. Mindestens 6 Jahre Erfahrung im Data/Platform/Cloud Engineering, fundierte GCP-Kenntnisse. Flexible Arbeitszeiten und Remote Work.

Entwicklung skalierbarer Datenpipelines und ETL/ELT-Prozesse. Mindestens 3 Jahre Berufserfahrung mit SQL und Python im Data Engineering. Flexible Arbeitszeiten.

Entwickeln und betreiben Sie Databricks-Pipelines mit Python und Lakeflow. Erfahrung mit Azure Data Factory und DataOps ist erforderlich. Sie arbeiten an der Erstellung zuverlässiger Datenpipelines und profitieren von der Möglichkeit, an unternehmensweiten Standards mitzuwirken.

Betreuung und Optimierung von Business Intelligence Systemen für Kunden. Analyse von Anforderungen, Erarbeitung technischer Lösungen, eigenständige Koordination von Deployments. Mindestens 6 Jahre Berufserfahrung in Softwareentwicklung und gute Python-Kenntnisse sind erforderlich. Unterstützung bei Schulungen und Wissenstransfer.

Entwicklung und Betrieb von ETL/ELT-Pipelines sowie Datenmigration auf neue Datenplattform. Umsetzung der Microsoft Fabric Datenplattform mit Lakehouse-Ansatz. Sehr gute SQL- und Programmierkenntnisse (Python, C#, Java) sind erforderlich. Hoher Gestaltungsspielraum bei der Erfüllung der Kernaufgaben.

Weiterentwicklung der Daten- und KI-Strategie, Führung des Data Teams, Aufbau einer skalierbaren Datenplattform. Mehrjährige Führungserfahrung im Datenbereich erforderlich. Ermöglicht datenbasierte Entscheidungen.
Schnell & unkompliziert mit einem Klick bewerben.
Mit deinem Profil auf karriere.at.