Wir bauen und betreiben eine produktive Prognoseplattform für den österreichischen und deutschen Strommarkt: Unsere Lösung erzeugt Lastprognosen auf Basis von Wetter-, Markt- und Zählpunktdaten. Zu unserer größten Kundengruppe zählen Energieversorger, die unsere Forecasts für ihre Energiebeschaffung nutzen. Für dieses System suchen wir eine:n erfahrene:n Machine Learning Engineer, die/der Modellierung, Datenintegration und Cloud-Betrieb end-to-end verantwortet.
Auf einen Blick
Rolle:
Machine Learning Engineer – Energy (End-to-End: Modellierung + Data Engineering + MLOps/Cloud)
Standort: Wien (Hybrid, Vollzeit)
Erfahrung: Mindestens 1 Jahr Berufserfahrung mit produktiven Daten-/ML-Systemen
Ausbildung:
Abgeschlossenes Studium in Mathematik, Informatik, Physik, Data Science (oder vergleichbar)
Tech Kern: Python, Cloud (AWS bevorzugt, Azure möglich), KI-Coding-Agents (z. B. Claude Code)
Domäne: Energiebranche Strom
Gehalt:
ab € 4.061,– brutto/Monat (IT-KV ST2, 14×) + Mitarbeiterbonus (unternehmensabhängig), Überzahlung nach Erfahrung
Team-Kultur: Ownership, Gewissenhaftigkeit und direkte, ehrliche Kommunikation
Über purple Energy
purple Energy ist ein junges Technologieunternehmen im Energiesektor: Wir entwickeln und betreiben eine Prognoseplattform, die Strombedarf für unsere Kunden im österreichischen und deutschen Markt viertelstundengenau vorhersagt – und damit hilft, Ausgleichsenergie- und Beschaffungskosten spürbar zu senken.
Als Tochtergesellschaft innerhalb der Wüsterstrom Gruppe – einem traditionsreichen niederösterreichischen Familienunternehmen aus Ybbs – verbinden wir das Beste aus zwei Welten: die Marktnähe, den Datenzugang und die Stabilität einer etablierten Energiegruppe mit der Agilität, Geschwindigkeit und flachen Hierarchie eines Startups.
Wir sind bewusst noch ein kleines Team von drei Personen – das bedeutet kurze Wege, echte Mitgestaltung und viel Verantwortung ab Tag eins. Was du baust, geht in Produktion und wirkt unmittelbar auf reale Energieportfolios.
Deine Rolle
Du verantwortest einen echten Ausschnitt unserer Prognoseplattform von Anfang bis Ende – nicht nur das Modell, sondern die ganze Kette:
Du setzt ETL-Pipelines auf, die vielfältige externe Datenquellen (Wetter-, Markt- und Messdaten) in einen strukturierten Data-Lake auf AWS S3 überführen und stellst sicher, dass die täglichen Integrationsprozesse reibungslos laufen. Du entwickelst leakage-sichere Zeitreihen-Features und trainierst bzw. tunst Machine-Learning-Modelle, die vollständig automatisiert in unserer AWS-Umgebung in Produktion laufen. Im Alltag bindest du u.a. neue Kunden über einen dokumentierten Onboarding-Prozess ein, verbesserst bestehende Forecasting-Modelle, bearbeitest Kundenanfragen und arbeitest an neuen Projekten.
Den Code dafür schreibst du überwiegend nicht mehr Zeile für Zeile selbst, sondern gemeinsam mit KI-Coding-Agents (z. B. Claude Code). Das ist uns besonders wichtig: Du setzt diese Werkzeuge produktiv und kritisch im Alltag ein – Codegenerierung, Refactoring, Recherche im Codebase, Test- und Analyse-Workflows – und siehst darin einen zentralen Produktivitätshebel.
Deine Aufgaben
- Modellierung & Prognose: Day-Ahead- und Year-Ahead-Modelle für Erzeugungen, Verbräuche, Residuallast und Netzverluste entwickeln, Hyperparameter per Rolling-Window-Cross-Validation tunen und auf ungesehenen Zeiträumen realistisch backtesten.
- Feature-Engineering: Leakage-sichere Features bauen – Lags, Rolling Windows, Heiz-/Kühlgradtage (HDD/CDD), Kalender-/Feiertagslogik, Wetterprognosen, Marktpreisprognosen, etc.
- Data Engineering: Neue Datenquellen anbinden, idempotente und wiederholbare Ingestion mit partitioniertem Parquet auf S3.
- Externe Integrationen: Robuste HTTP-Clients gegen Wetter-, Markt- und Energiedienstleister-APIs schreiben, inkl. historischer Backfills.
- Cloud & MLOps: Du entwickelst unsere Software-Architektur weiter und stellst sicher, dass unsere Prozesse effizienter und skalierbarer werden, aber gleichzeitig übersichtlich und wartbar bleiben.
- Betrieb & Zuverlässigkeit: Produktionsläufe monitoren, Störungen analysieren und beheben.
- Onboarding neuer Kunden: interaktive Bestands- und Datenanalysen bei Kunden durchführen, Integrationspipelines aufsetzen.
Das muss du mitbringen
- Abgeschlossenes Masterstudium in Mathematik, Informatik, Physik, Data Science (oder vergleichbar).
- Mindestens 1 Jahr Berufserfahrung mit einem produktiven Daten- oder ML-System – nachweislich Verantwortung über den gesamten Lebenszyklus (nicht nur Modell-Notebooks): idempotente ETL, Auslieferung über CI/CD in mehrere Umgebungen, etc.
- Programmierkenntnisse: Mehrjährige Erfahrung mit Python (pandas, scikit-learn, etc.) und KI-Coding-Agents (z. B. Claude Code).
- Machine Learning für Zeitreihen: produktive Modellentwicklung (u. a. baum-/ensemble-basierte Verfahren), Hyperparameter-Tuning, Cross-Validation – und ein verinnerlichtes Verständnis von Leakage-Sicherheit und Backtesting.
- Cloud-Erfahrung (zentral für die Rolle): praktische Arbeit mit einer großen Cloud-Plattform — AWS bevorzugt, Azure ebenfalls möglich. Unser Stack läuft vollständig auf AWS; Azure-Erfahrung lässt sich übertragen, die Bereitschaft, dich zügig in unseren AWS-Stack einzuarbeiten, setzen wir voraus. Infrastruktur behandelst du konsequent als Code (IaC, idealerweise CDK).
- Exzellente Deutschkenntnisse: Mindestens C1-Niveau.
Idealerweise/Von-Vorteil
- Vorwissen im Energiesektor: österreichische/deutsche Marktmechanik (Clearing, Spotmarkt, Ausgleichsenergiemarkt) verkürzt die Einarbeitung deutlich.
- Erfahrung mit PV-/Solar-Modellierung, Netzverlusten, Residual-/Portfolio-Lastprognose oder Terminmarkt-Produkten (Base/Peak).
Wie wir arbeiten (Soft Skills, die uns wirklich wichtig sind)
- Ownership. Du übernimmst Verantwortung von der Idee bis zum Produktionsbetrieb. Du wartest nicht auf Zuweisung, sondern erkennst und schließt Lücken.
- Gewissenhaftigkeit. In einer Domäne, in der ein falsches Vorzeichen eine Prognose lautlos ruiniert, zählt Sorgfalt mehr als Tempo.
- Direkte, ehrliche Kommunikation. Uns ist der respektvolle Umgang miteinander sehr wichtig. Gleichzeitig wollen wir Probleme klar und sachlich ansprechen und freuen uns über ehrliches Feedback. Diese Einstellung erwarten wir von allen Team-Mitgliedern.
Was wir bieten
- Ein echtes, produktives ML-System mit sichtbarer Wirkung im Energiemarkt – kein „ML-Prototyp, der nie live geht“.
- End-to-End-Verantwortung und kurze Wege statt Silo-Arbeit.
- Echte Aufstiegschancen: Wir sind noch ein kleines Startup – du gestaltest von Anfang an mit, übernimmst früh Verantwortung und kannst mit dem Unternehmen in Senior- und Lead-Rollen hineinwachsen.
- Vertrauensarbeitszeit / Gleitzeit ohne Kernzeit – Ergebnis zählt, nicht Anwesenheit.
- Mitwachsende Remote-Flexibilität: Wir starten hybrid in Wien und weiten die Remote-Anteile mit eingespielter Zusammenarbeit und gegenseitigem Vertrauen aus – bis hin zu vollständig remote.
- Mitarbeiterbonus aus einem Bonuspool, dessen Höhe von der Unternehmens-Performance abhängt (nicht von der individuellen Leistung).
- Gehalt: Für diese Position gilt das kollektivvertragliche Mindestgehalt (bei 38,5h) gemäß IT-Kollektivvertrag (Tätigkeitsfamilie ST2, Einstiegsstufe) von € 4.061,– brutto/Monat (Vollzeit; Stand 01.01.2026).
- Abhängig von Qualifikation und Berufserfahrung besteht klare Bereitschaft zur deutlichen Überzahlung. Anrechenbare Vordienstzeiten werden bei der Einstufung in die Vorrückungsstufe berücksichtigt
Bewerbung
Klingt nach dir? Dann freuen wir uns über deine Bewerbung (Lebenslauf genügt; ein Link zu Code/Projekten ist willkommen) an [email protected]
purple fördert Vielfalt und begrüßt Bewerbungen unabhängig von Geschlecht, Herkunft, Alter, Religion oder Behinderung.