> Markdown version of [/jobs/ext/4650789-renewable-forecast-scientist-befristeter-karenzersatz](https://www.wearedevelopers.com/jobs/ext/4650789-renewable-forecast-scientist-befristeter-karenzersatz). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Renewable Forecast Scientist - befristeter Karenzersatz)

- **Company:** APG - Austrian Power Grid AG
- **Location:** Wien, Austria (Remote available)
- **Experience:** Experienced
- **Salary:** €66,341
- **Contract:** Temporary contract
- **Skills:** Microsoft Windows, Data Analysis, Big Data, Computer Programming, Data Visualization, Python (Programming Language), Machine Learning, Feature Engineering
- **Published:** November 10, 2026
- **Apply:** https://austrian-power-grid.onlyfy.jobs/application/apply/1lra5dlt47gd4h6nukgw9b8gx3j3xa

## About the Role

* Abgeschlossene Ausbildung: Master- oder Diplomstudium in Naturwissenschaften oder Technik
 * Relevante Berufserfahrung: 2+ Jahre in Data Science, Statistik, Programmierung, technischer Branche oder vergleichbar
 * IT-Skills: Gute Kenntnisse in Python und Microsoft 365
 * Kenntnisse: Grundkenntnisse in Machine Learning, Statistik, Modellierung, Datenvisualisierung, erneuerbare Energien, Umgang mit großen Datenmengen
 * Sprachen: Deutsch C1, Englisch C1
 * Arbeitsweise: Analytisch, systemisch, strukturiert

Nice-to-haves:

 * Kenntnisse: Grundkenntnisse in Energiewirtschaft
 * Begeisterung: Datenanalyse, große Datenmengen, energiewirtschaftliche Zusammenhänge

## Description

* Prognosemodellierung: Energiewirtschaftliche Prognosemodelle für erneuerbare Erzeugungseinheiten entwickeln und optimieren
 * Fahrplanvalidierung: Energieerzeugungsfahrpläne signifikanter Netznutzer:innen überprüfen
 * Fahrplankoordination: Bereitstellung und Qualität von Energieerzeugungsfahrplänen mit externen Partner:innen abstimmen
 * Prozessmodellierung: Fachliche Prozesse mit Spezialtools und Python modellieren
 * Data Science: Feature Engineering- und Machine Learning-Methoden für energiewirtschaftliche Fragestellungen anwenden
 * Datenanalyse: Große Datenmengen analysieren und energiewirtschaftliche Zusammenhänge visualisieren
 * Netzanalyse: Einspeise- und Verbrauchsverhalten im österreichischen Hoch- und Höchstspannungsnetz untersuchen
 * Qualitätssicherung: Methoden zur Sicherung sowie Verbesserung der Prognosegüte entwickeln und umsetzen
 * Technologieentwicklung: Technologien, Prozesse und Tools bewerten und weiterentwickeln