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

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!

#J-18808-Ljbffr