
Python Experten in Wien
für Daten-, Web- und Automatisierungsprojekte, vermittelt in wenigen Minuten mit geprüften FachkräftenBeauftragen Sie Experten, die Django- und FastAPI-Dienste entwickeln, Geschäftsprozesse automatisieren und Daten- oder Machine-Learning-Lösungen mit Python erstellen. FRATCH vermittelt Sie schnell und präzise mit geprüften, verfügbaren Freelancern, die zu Ihrem Projekt passen.
Lerne FRATCH Experten in Wien kennen, die kürzlich Python eingesetzt haben
Ugur A.
Letzte Position:
Lead Developer bei C.D. Wälzholz GmbH & Co. KG
Modernisierung eines Manufacturing Execution Systems
- Technische Leitung bei der Ablösung eines Legacy-MES und Entwicklung einer Plattform zur Planung und Produktion von Stahlerzeugnissen.
- Umsetzung von Backend und Frontend sowie GraphQL- und REST-Schnittstellen zur Integration von ERP-Systemen und Maschineninformationen.
KI-gestützte Prozessverarbeitung: Agentic Workflows für die produktionsrelevante Kommissions- und Auftragsplanung.
Technologien: C#, .NET Core, Vue, Quasar, TypeScript, GraphQL, REST, Azure, RabbitMQ, ReportViewer, Windows Server, IIS, Kubernetes, Docker, Azure DevOps.
Authentifizierung und Autorisierung: Keycloak, OpenID Connect, OAuth 2.0, Microsoft Active Directory
KI und Entwicklung: On-Premises-LLM, Agentic Workflows, MCP, LLMOps, GitHub Copilot.
Mathieu C.
Letzte Position:
Professor bei EPITA
Entwicklung von Lehrveranstaltungen und gelegentliche Lehrtätigkeit in Signalverarbeitung, Machine Learning und Design Thinking: insgesamt 400 ausgebildete Studierende.
Marcel T.
Letzte Position:
Gründer, KI-Strategie und Befähigung bei Engineering Peak Impact
- Entwickle Workshop-Lehrpläne für Softwareentwickler und technische Leiter zu KI-gestütztem Engineering und zur effektiven Einführung von KI-Tools.
- Fachvortrag auf der 17th TestIstanbul Conference, Oktober 2026: "What If We Tested the Tester?" – darüber, wie KI das Urteilsvermögen von Testern verstärkt, einschließlich ihrer blinden Flecken.
- Habe die Unternehmenswebsite und die Online-Kursplattform (WordPress, PHP, JavaScript) mit Claude Code und Cursor entwickelt und betreibe sie. Dazu gehört auch eine Playwright-Testsuite, die die Seiten, Links und den Anmeldeprozess der Live-Website prüft.
- Habe Write Check entwickelt, eine Chrome-Erweiterung mit einem lokalen Node.js-Dienst, die beliebige Textfelder auf Verständlichkeit und Formulierungen bewertet, die nach KI klingen. Wenn ein Anbieter ausfällt, wird auf Gemini, Kimi, GPT und OpenRouter ausgewichen.
- Habe eine Python-Videopipeline entwickelt, die meinen Online-Kurs in kurze Videos mit Sprechertext umwandelt: Skript, Text-to-Speech, Untertitel und Rendering, mit einer Prüfstufe vor jeder Folge.
- Arbeite nach einem schriftlichen Protokoll für KI-Coding-Agenten (CLAUDE.md): Die Definition of Done wird vor Arbeitsbeginn als Prüfungen festgehalten, Tests schlagen zunächst fehl und bestehen erst danach, und unabhängige Review-Agenten prüfen jede Aussage der Coding-Agenten anhand ihrer Quelle.
- Autor von The Maintenance Trap (Level Up-Newsletter, Mai 2026) über Entwicklerproduktivität: warum leistungsstarke Ingenieure immer wieder mit Wartungsarbeit betraut werden und wie sich der ROI für deren Behebung begründen lässt.
Christian E.
Letzte Position:
Microsoft 365 Copilot-Einführung & Sicherheits-Governance bei PrimeFaktor
Microsoft 365 Copilot-Einführung & Sicherheits-Governance
- Analyse der bestehenden Microsoft 365-Umgebung sowie Beschaffung und Einrichtung von Microsoft 365 Copilot-Lizenzen.
- Konfiguration von Microsoft Purview-Richtlinien zur Verhinderung von Datenverlust (DLP), um sensible Daten vor der Einführung von Copilot zu schützen.
- Einführung sicherer Konfigurationsgrundlagen für Microsoft 365 Security & Compliance und die Trust Center-Einstellungen.
- Überprüfung von Berechtigungen und Datenzugriff als Voraussetzung für eine sichere Einführung von Copilot.
- Validierung der Konfiguration und Übergabe mit einer kurzen technischen Dokumentation.
Laura H.
Letzte Position:
Sr. BI-Berater & Projektmanager bei Multivariata
- Projektleiter, Sr. BI-Experte, Data Scientist, Automatisierungsingenieur für Marketing Analytics | Customer Insights (Einzelhandel, E-Commerce)
- Produktmanager: Asset Metadata Ingest & Provide
- Product Owner Business Intelligence – verantwortlich für 2 Teams: Cloud Data Engineering, Data Warehouse (Logistik)
- Product Owner für den Aufbau einer Reporting-Plattform auf Azure & Power BI (Finanzen)
Yunus S.
Letzte Position:
Senior-Experte / Programmleiter bei Dolpheen IT
Senior-Experte / Programmleiter
IT-Dienstleistung
- Leitung interner Projekte zur Infrastruktur-Modernisierung: Aufbau und Wartung von Testumgebungen, die komplexe Kundennetzwerke realitätsgetreu abbilden.
- Ressourcenkoordination: Planung der Server-Kapazitäten und Cloud-Ressourcen für automatisierte Testläufe.
- Implementierung von CI/CD-Pipelines zur Integration automatisierter Tests in den Build-Prozess.
- Evaluierung von Performance-Engpässen durch Lasttests (NeoLoad/JMeter) zur Absicherung der Skalierbarkeit.
Werkzeuge / Technologien: Jenkins, Docker, GIT, ButBucket, NeoLoad, Azure
Roman M.
Letzte Position:
Softwareentwickler bei FSM Rechtsanwälte
- Entwicklung AWS-basierter Komponenten, die Python-Backend-Services mit React/TypeScript-Frontends verbinden.
- Verbesserung von Datenbankabfragen und Anwendungs-Workflows für die Dokumentenverarbeitung und -prüfung.
- Bewertung von LLM-Retrieval- und Dokumentenprüfungs-Workflows als Teil des Produkt-Stacks.
Marc-Anthony T.
Letzte Position:
Softwareentwickler bei Dawnguard.AI
- Dawnguard innerhalb von zwei Monaten vom ersten Produktkonzept zu einem veröffentlichten MVP entwickelt, die Backend-Plattform aufgebaut und die Scan-Zeiten von Cloud-Umgebungen über 70 Konten hinweg von ungefähr 40 Minuten auf unter zwei Minuten reduziert.
- Die zentrale Ressourcenerkennungs-Engine für Azure und AWS entworfen und entwickelt, damit das Frontend komplexe Cloud-Umgebungen visualisieren und die KI Architekturmuster bewerten konnte.
- Verteilte APIs und dynamische Cosmos-DB-Schemas entwickelt, um sich schnell ändernde Produktanforderungen und variable Strukturen von Cloud-Umgebungen zu unterstützen.
- Die Architektur-Generierungs-Engine entwickelt, um Kunden mit 100+ Cloud-Konten zu unterstützen und vollständige Architekturen mit ungefähr 25,000 Ressourcen dynamisch zu generieren.
- Eigene Tools zur Datengenerierung entwickelt, mit denen die KI- und Frontend-Teams groß angelegte Cloud-Architekturen simulieren und testen konnten.
- Backend-Funktionen durch die Zusammenarbeit mit Stakeholdern aus den Bereichen KI, Frontend und Business von der technischen Konzeption bis zur Implementierung und zum Test vollständig umgesetzt.
Alexander P.
Letzte Position:
Inhaber & Lektor bei Artellico / Eigenes Unternehmen für KI-Governance und Datenprodukte
- Beratung und Interim-Management an der Schnittstelle von IT-Betrieb und Regulatorik
- Betroffenheitsanalyse und Umsetzungsplanung zu NISG 2026 und EU AI Act, einschließlich Risikomanagement sowie Melde- und Nachweisprozessen
- Schulung von Leitungsorganen und Belegschaft zu regulatorischen Pflichten
- Lehraufträge Data & Information Management sowie Mensch-Maschine-Interaktion an der Hochschule Burgenland, seit 2023
- Betreuung von Masterarbeiten und Mitwirkung im Prüfungssenat
- Fachvorträge in Wirtschaft und Bildungseinrichtungen
- Konzeption und Entwicklung von Daten- und KI-Produkten, Plattformen und Pipelines
- Datenschutzorientierte Architekturen und Zero-Knowledge-Verschlüsselung, cloud-nativ auf EU-Infrastruktur
- Anbindung an Bankkontosysteme über SEPA-Lastschriftmandate und Nachrichtenformate nach ISO 20022 (pain.008, camt.053)
- MLOps und AIOps im laufenden Betrieb
- Eigene Anwendungen unter eigener Marke: gemeinsame Codebasis, getrennte Auslieferung je Zielgerät
- KI-gestützte Softwareentwicklung (vibe-coding), vollständige agentische Pipelines, Code-Erzeugung, Implementierung, automatisierte Tests, CI/CD und Releasezyklen
- Fachpublikationen zu EU AI Act, NIS2, DORA, CRA und CER als integriertem Governance-System
- Fachpublikationen zu Datensouveränität, Cloud-Ökonomie und industrieller Bildverarbeitung
- KI-Governance / Compliance: Datenqualität, Responsible AI, EU-AI-Act-Readiness, Risikoklassifizierung, KI-Ethik
Stefania D.
Letzte Position:
Data Engineer bei Storebox
Tech: AWS (Glue, Lambda, Redshift), Airflow, PostgreSQL, Python, PySpark, Metabase, Power BI
Geliefert: Analytics-ready Datenmodelle • Migration von Legacy-SQL zu Cloud-ETL • Dynamische Pricing Engine
- Verantwortlich für das unternehmensweite Data Warehouse von Anfang bis Ende — von der Datenaufnahme über die Transformation bis hin zu analytics-ready dimensionalen Datenmodellen auf AWS Redshift.
- Mit Analysten, Data Scientists und Business-Stakeholdern zusammengearbeitet, um skalierbare dimensionale Datenmodelle bereitzustellen, die Self-Service Analytics ermöglichen und das Dashboarding in Metabase und Power BI vereinfachen.
- End-to-End ETL/ELT-Pipelines auf AWS (Glue, Lambda, Redshift) mit Python und PySpark entwickelt und mit Apache Airflow (MWAA) orchestriert, um Zuverlässigkeit und Transparenz sicherzustellen.
- Standards für Data Quality und Governance über alle Pipelines und die zentrale Datenebene definiert und durchgesetzt.
- Die Migration von Legacy-SQL-Infrastruktur in skalierbare AWS-Glue-Pipelines mit verteilter PySpark-Verarbeitung geleitet, um Engpässe zu beseitigen und Ausfallzeiten zu reduzieren.
- Eine dynamische Pricing Engine entwickelt, die automatische Rabattaktionen auf Basis von Auslastung, Konkurrenzpreisen und Standort-Performance-Tiers anwendet.
- Schema-Mappings entworfen, um MongoDB-Daten in strukturierte relationale Systeme (Redshift/PostgreSQL) zu übernehmen.
Peter G.
Letzte Position:
Senior IT Project Manager bei REWE Group
Datacenter Audit und anschließendes Transformationsprogramm
- Ausgangslage: Nach einem kritischen Ausfall galt das Datacenter als Ursache. Ein klassisches Audit sollte ausgeschrieben werden.
- Meine Diagnose: Die technische Architektur war nicht das Kernproblem. Entscheidend waren die Incident-, Diagnose- und Wiederanlaufprozesse sowie fehlende Transparenz über Kosten und Abhängigkeiten.
- Wirkung: Das Audit wurde pragmatisch intern umgesetzt. Die Ergebnisse und Budgetgrundlagen wurden zur Basis eines mehrjährigen internationalen Transformationsprogramms. Anschließend wurde ich als Wunschkandidat für einen zentralen Transformationsstream weitergeführt.
Marcel S.
Letzte Position:
Senior KI-Ingenieur - Python bei Versicherungsgesellschaft
Projekt-Tech-Stack: Python, AWS, Azure, FastAPI, openai, pandas, unittest/pymock
Erfolge:
- Automatisierte Datenextraktions-Pipelines entwickelt, um komplexe Excel-Datensätze über LLM-basierte Workflows in strukturierte Formate zu überführen.
- Eine generative Slide-Deck-Engine entworfen, die natürliche Spracheingaben in formatierte Präsentationsinhalte umwandelt.
- Erweiterte LLM-Funktionen mit der OpenAI Response API integriert und dabei komplexes Tool-Calling sowie Logik für strukturierte Ausgaben umgesetzt.
- Einen skalierbaren Backend-Microservice mit FastAPI, Docker und OpenShift entwickelt und containerisiert, um agentische Skills zu hosten und bereitzustellen.
Alexander V.
Letzte Position:
Senior Cloud- & Kubernetes-Architekt bei A.S.E. | Business Solutions for Construction
- Konzipierte und implementierte eine hochverfügbare, mandantenfähige Kubernetes-Plattform auf Google Kubernetes Engine (GKE) für geschäftskritische Microservices.
- Entwarf und implementierte eine umfassende Infrastructure-as-Code-Strategie mit Terraform zur Verwaltung von GKE-Clustern, Netzwerken (VPCs, Subnetze) und IAM-Richtlinien.
- Entwickelte optimierte Speicherlösungen für zustandsbehaftete Workloads (MongoDB) mit GKE PersistentVolumes und steigerte somit Leistung und Datenausfallsicherheit.
- Etablierte ein umfassendes Observability-Framework mit Google Cloud Monitoring, Logging, Prometheus und Grafana.
Mario A.
Letzte Position:
Untertitler für ORF/ZDF bei Interlingua Language Services
- Transkription und Untertitelung verschiedener Sendungen für ORF/ZDF: Ich kümmere eigenständig um die Transkription und Untertitelung von Sendungen, die der ORF und das ZDF aussenden. Ich arbeite dabei mit eigenhändig erstellten Skripten und Automatisierungen, um den Arbeitsablauf effizient zu gestalten.
Kevin L.
Letzte Position:
Data Consultant bei VBV Pensions- und Vorsorgekasse Österreich
Entwicklung eines strukturierten Rahmens und umfassender Richtlinien für die Dokumentation von Geschäfts- und Prüfungsprozessen in einem regulierten Finanzumfeld. Unterstützung bei der Standardisierung der Prozessdokumentation zur Verbesserung von Transparenz, Konsistenz und Rückverfolgbarkeit in allen betrieblichen Arbeitsabläufen. Mitwirkung bei der Definition von Dokumentationsstandards, Vorlagen und Governance-Prinzipien für das interne Prozessmanagement und die Audit-Bereitschaft.
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Python einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
17 Jahre (Österreich: 16 Jahre)

Positionsdauer
2,7 Jahre (Österreich: 3,1 Jahre)

Positionen pro Freelancer
12 (Österreich: 10)

Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement

Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Bildung

Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Produktentwicklung
Bachelor-Abschluss oder höher
88%
Master-Abschluss oder höher
63% (Österreich: 66%)
Doktortitel
14%

Zertifizierungen pro Freelancer
3

Häufigste Sprachen
Deutsch, Englisch, Französisch

Sprechen zwei oder mehr Sprachen
98% (Österreich: 99%)
Basierend auf unserem Profilpool, Stand 19 Nov 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Wien verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, welcher Anteil der Experten innerhalb dieser Spanne abrechnet.
Entdecke detaillierte Tagessatz-Benchmarks für Python:
Tagessatz-Einblicke entdeckenDurchschnittssätze von Experten in Wien, die Python einsetzen
Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Python Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (89%)
- Bank- und Finanzwesen (52%)
- Bildung (41%)
- Fertigung (41%)
- Professionelle Dienstleistungen (41%)
- Regierung und öffentliche Verwaltung (41%)
- Transport und Logistik (33%)
- Telekommunikation (33%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was Python leistet
Python ist eine Programmiersprache für allgemeine Zwecke, die für ihre gut lesbare Syntax, eine umfangreiche Standardbibliothek und ein großes Open-Source-Ökosystem bekannt ist. Unternehmen nutzen sie für Webdienste, Datenverarbeitung, Automatisierung, wissenschaftliche Anwendungen, Machine Learning und interne Tools. CPython ist die Standardimplementierung, die in den meisten Produktionsumgebungen eingesetzt wird.
Wo Python zum Einsatz kommt
Python eignet sich für Produkte, die schnelle Iteration und eine klare Geschäftslogik benötigen. Typische Anwendungen sind:
- Django- und Flask-Webanwendungen
- FastAPI-Dienste und REST-Schnittstellen
- Datenpipelines, Notebooks und Reporting-Abläufe
- Machine-Learning- und Systeme zur Verarbeitung natürlicher Sprache
- Testautomatisierung, Skripte und Tools für den Betrieb
Ökosystem und Werkzeuge
Starke Python-Spezialisten arbeiten mit Frameworks, Bibliotheken und Bereitstellungsumgebungen, statt sich nur auf die Syntax zu konzentrieren. Sie nutzen möglicherweise Django, FastAPI, Flask, NumPy, pandas, scikit-learn, PyTorch oder Jupyter zusammen mit PostgreSQL, Redis, Docker und Cloud-Diensten. Außerdem verstehen sie Packaging, virtuelle Umgebungen, Abhängigkeitskontrolle und automatisierte Tests.
Wann Unternehmen Unterstützung brauchen
Freiberufliche Expertise ist hilfreich, wenn ein Team eine bestehende Python-Codebasis erweitern, fragile Skripte ersetzen oder einen Dienst bereitstellen muss, ohne die zentrale Produktentwicklung zu verlangsamen. Sie kann auch helfen, wenn Datenarbeit aus explorativen Notebooks in zuverlässige, überwachte Produktionsprozesse überführt werden soll. In Wien können Spezialisten lokale Teams vor Ort unterstützen oder sprach- und zeitzonenübergreifend remote zusammenarbeiten.
Was starke Spezialisten liefern
Qualität beginnt mit einem klaren Verständnis des Geschäftsproblems und des umgebenden Systems. Erfahrene Fachkräfte entwickeln wartbare Module, wählen Abhängigkeiten sorgfältig aus und machen Performance, Sicherheit und Beobachtbarkeit von Anfang an sichtbar. Sie dokumentieren Entscheidungen, schreiben aussagekräftige Tests und hinterlassen eine Codebasis, die das interne Team sicher betreiben kann.
So beurteilen Sie die Eignung
Achten Sie auf Erfahrungen, die Ihrer Umgebung ähneln, und nicht nur auf eine Liste von Python-Bibliotheken. Fragen Sie, wie der Spezialist mit Datenqualität, API-Verträgen, Bereitstellung, Fehlern und langfristiger Wartung umgeht. Eine praktische Prüfung sollte Architektur, Tests und Kommunikation abdecken sowie die Fähigkeit, Abwägungen sowohl technischen als auch nicht-technischen Beteiligten zu erklären.
Häufig gestellte Fragen
Die Fakten, nach denen Hiring-Teams bei Python am häufigsten fragen.
Python wird für Webanwendungen, APIs, Automatisierung, Datenanalyse, wissenschaftliche Berechnungen und Machine Learning eingesetzt. Die klare Syntax und das umfangreiche Ökosystem machen Python sowohl für Prototypen als auch für langfristig laufende Produktionssysteme geeignet.
Python ermöglicht oft eine schnellere Entwicklung und ist besonders stark in den Bereichen Daten, Automatisierung und Machine Learning. JavaScript ist zentral für Browseranwendungen, Java ist in großen Unternehmenssystemen verbreitet und Go wird häufig für schlanke, nebenläufige Dienste gewählt. Die richtige Wahl hängt daher von der Arbeitslast und dem bestehenden Stack ab.
Ein starker Python-Spezialist kennt möglicherweise auch SQL, HTTP-APIs, Docker, Git, Linux, Cloud-Bereitstellung und automatisierte Tests. Für datenintensive Aufgaben können Erfahrungen mit pandas, NumPy, Orchestrierung und dem Betrieb von Modellen ebenso wichtig sein.
Die passende Python-Erfahrung hängt eher von Umfang, Risiko und Systemkomplexität ab als von einer festen Anzahl an Jahren. Eine kleine Automatisierungsaufgabe erfordert eine andere Tiefe als eine öffentliche API, ein regulierter Datenworkflow oder ein Machine-Learning-Dienst in der Produktion.
Python-Arbeit eignet sich gut für die remote Zusammenarbeit, wenn Repositories, Umgebungen und Ziele der Bereitstellung klar dokumentiert sind. Unternehmen in Wien sollten Überschneidungszeiten, Kommunikationssprache, Sicherheitszugriffe und den Bedarf an gelegentlichen Workshops vor Ort vereinbaren.
Python-Teams wählen Django häufig, wenn sie eine strukturierte Webanwendung mit integrierten Funktionen wie Authentifizierung und Administration benötigen. FastAPI eignet sich besonders für typisierte APIs und serviceorientierte Systeme, während Flask für kleinere oder stark angepasste Anwendungen passend sein kann.
Prüfen Sie, wie der Python-Spezialist Architektur, Tests, Abhängigkeiten, Beobachtbarkeit und den Umgang mit Fehlern erklärt. Ein hilfreiches technisches Gespräch sollte zeigen, ob der Code auch nach der ersten Bereitstellung verständlich, sicher und betreibbar bleibt.
Python wird häufig für das Training von Modellen, die Datenaufbereitung und Inferenzdienste eingesetzt. Produktionsqualität hängt dennoch von Datenvalidierung, reproduzierbaren Umgebungen, Überwachung, Ressourcenverwaltung und einer zuverlässigen Schnittstelle zur umgebenden Anwendung ab.
Der durchschnittliche Stundensatz von Freelancern in Wien, Österreich, die Python in ihren letzten Projekten eingesetzt haben, liegt bei 101 €, was einem Tagessatz von etwa 805 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Wien, Österreich, die Python in ihren letzten Projekten eingesetzt haben, haben 88% mindestens einen Bachelor-Abschluss, 63% mindestens einen Master-Abschluss und 14% einen Doktortitel.
Freelancer in Wien, Österreich, die Python in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 17 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,7 Jahre.
Die häufigsten Sprachen unter Freelancern in Wien, Österreich, die Python in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (98%) und Französisch (22%).
Die häufigsten Industrien unter Freelancern in Wien, Österreich, die Python in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (89%), Bank- und Finanzwesen (52%) und Bildung (41%).
Die häufigsten Bereiche unter Freelancern in Wien, Österreich, die Python in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (78%) und Projektmanagement (63%).
Hauptstandorte der FRATCH Experten, die kürzlich Python eingesetzt haben
Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.
Länder:
Kostenlose Demo vereinbaren
Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.
Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!

Graz