120 neue „Green-Tech-Jobs” in der Steiermark

3. Februar 2017

 

Die Umwelttechnikbranche ist weiterhin am Wachsen. Dies spiegelt sich auch in der starken Nachfrage nach ausgebildeten Expertinnen und Experten im Bereich Green Tech wider. Nun stehen Förderung für 120 zusätzliche Jobs für unsere steirischen Green Tech Unternehmen bereit. Nutzen Sie das erfolgreiche Fördermodell der e:Job Implacementstiftung Energie zur maßgeschneiderten, praxisnahen Qualifizierung von neuen Mitarbeiterinnen und Mitarbeiter.


 

120 „green-jobs“ für 2017 sind wieder gesichert! Nutzen Sie das erfolgreiche Fördermodell der e:Job Implacementstiftung Energie zur maßgeschneiderten, praxisnahen Qualifizierung für den optimalen Einstieg ins Unternehmen!

Die wichtigsten Rahmenbedingungen:

  • Maßgeschneiderte Qualifizierung, verkürzte Lehre oder spezielle FacharbeiterInnen-Ausbildung für Ihre neue MitarbeiterInnen (Sie wählen die Schulungen aus!)
  • mindestens € 3.000,- Qualifizierungsbudget
  • Praxis im Unternehmen parallel zur theoretischen Ausbildung
  • Keine Lohnkosten (bis zu 12 Monate bzw. 24 Monate bei verkürzter Lehre)
  • Rasche und unkomplizierte Abwicklung ohne bürokratischen Aufwand

Das e:Job-Team unterstützen Sie gerne und steht Ihnen für nähere Informationen zur Verfügung!

 

Kontakt:
Mag. Ilse Pressler
move-ment Personal- und Unternehmensberatung GmbH
Nibelungengasse 54, 8010 Graz
Tel.: +43 (0) 316/34 84 02 210
Mail: office@move-ment.at
www.ejob-steiermark.at

 

Weitere News zu diesem Thema

Nachlese: Labor für Innovation

Am 18. Juni 2019 fanden sich rund 50 Gäste im Labor für Innovation an der TU Graz ein, um einen Nachmittag im Zeichen des „Selbermachens“ und Entwickelns von innovativen Ideen zu verbringen. mehr →


„Unsichtbare“ Folie gegen Vogeltod

Das Grazer Start-up „Birdshades“ entwickelt eine kostengünstige Vogelschutzfolie, die für das menschliche Auge unsichtbar ist. mehr →


Large Engines – Big Data: LEC Data Challenge

With our first LEC Data Challenge, we would like to encourage data-enthusiastic students and practitioners from various disciplines to develop data-based fault detection methods that are best suited for our large engine applications. mehr →