Head of QC & Analytics

Adaptyv baut ein automatisiertes Labor, das es KI-Agenten ermöglicht, biologische Experimente durchzuführen. Wir betreten die Ära der agentischen Wissenschaft, in der KI-Modelle nun neuartige Proteine entwerfen, Hypothesen vorschlagen und experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen - das ist immer noch ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die KI-Agenten Zugang zur physischen Welt gibt. Heute führen über 50 Unternehmen bereits ihre Wet-Lab-Experimente auf Adaptyv durch, von einigen der größten Biopharmaunternehmen bis hin zu fortschrittlichen KI-Labors und Dutzenden von Techbio-Startups.

Unsere automatisierte Laborumgebung wird von einem tiefen Software- und Hardware-Stack unterstützt: Laboreinrichtungen im Wert von Millionen USD, die in API-kontrollierbare Hardware umgekehrt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Beobachtbarkeit von allem, was im Labor passiert, Verarbeitungs-Pipelines für unordentliche Daten aus der physischen Welt und KI-Systeme, die Produktionsresultate beheben und die Entwicklung von Assays beschleunigen. Wir wachsen schnell und stellen talentierte Personen ein, um die massive Nachfrage nach KI-gesteuerten Wet-Lab-Experimenten zu skalieren und zu unterstützen.

Wir suchen einen Head of QC & Analytics, der die Qualität und Datenintegrität von allem, was aus unserer Fabrik kommt, verantwortet. Während wir auf Zehntausende von Proben über Hunderte von gleichzeitigen Experimenten und Bedingungen skalieren, wird die Robustheit unserer analytischen Ausgaben und die Zuverlässigkeit unserer Datenpipelines entscheidend. Dies ist eine praktische Führungsrolle für jemanden, der tiefes Wissen über Proteinbiochemie und analytische Methoden mit dem ingenieurtechnischen Instinkt kombiniert, um zu automatisieren, zu systematisieren und kontinuierlich zu verbessern. Sie werden definieren, was „gute Daten“ bei Adaptyv bedeutet, die Systeme aufbauen, die dies in großem Maßstab durchsetzen, und unseren Kunden sowie internen Teams volles Vertrauen in jeden gelieferten Datenpunkt geben.

Hauptverantwortlichkeiten

• QC-Systeme & Assay-Integrität: End-to-End-Qualitätskontrolle für alle Protein-Assays, die auf der Adaptyv-Plattform durchgeführt werden — Bindung (BLI/SPR), Entwickelbarkeit und biophysikalische Charakterisierungs-Workflows — über Tausende von Proben und verschiedene experimentelle Bedingungen hinweg. Akzeptanzkriterien, Kontrollstandards und QC-Metriken für jeden Assay-Typ definieren und sicherstellen, dass sie systematisch in der Produktion durchgesetzt werden. SOPs und Qualitätsprüfungen direkt in automatisierte Workcell-Workflows integrieren. Untersuchung und Lösung von außerhalb der Spezifikation liegenden Ergebnissen, Assay-Fehlern und systematischen Abweichungen leiten — vom Grundursache bis zur Korrekturmaßnahme. Mit Assay-Entwicklungsspezialisten zusammenarbeiten, um neue Methoden zu validieren, bevor sie in die Produktion gehen.
• Datenpipelines & Analytik: Eng mit dem Softwareteam zusammenarbeiten, um automatisierte Datenverarbeitungs-Pipelines für alle Instrumentenausgaben, BLI, SPR, Fluoreszenzleser und andere biophysikalische Plattformen zu spezifizieren, zu überprüfen und zu verbessern. Definieren, wie „gute Daten“ für jeden Assay-Typ aussehen: erwartete Signalbereiche, Kontrollschwellen, Fehlermodi und Randfälle, die die Pipeline behandeln muss. Lücken in bestehenden Datenüberprüfungs-Workflows identifizieren und präzise Anforderungen formulieren, wie sie verbessert werden sollten, was markiert werden sollte, was automatisch abgelehnt werden sollte und was eine menschliche Überprüfung erfordert. Die wissenschaftliche Logik hinter QC-Regeln, Anomalieerkennung und Datenakzeptanzkriterien besitzen, auch wenn die Implementierung beim Engineering liegt. Pipeline-Ausgaben kritisch überprüfen: Fälle erfassen, in denen die Automatisierung einen falschen Pass oder unnötigen Fehler gibt, und diese Erkenntnisse als umsetzbare Engineering-Anforderungen zurückmelden. Statistische Überlegungen anwenden, um echten Assay-Abdrift oder Instrumentvariabilität von Rauschen zu unterscheiden — und diese Erkenntnisse so kommunizieren, dass das Softwareteam darauf reagieren kann.
• Automatisierung & Werkzeuge: Manuelle Engpässe in der Datenüberprüfung und QC-Abzeichnung systematisch identifizieren und durch automatisierte Lösungen ersetzen. Mit Software- und Automatisierungsingenieuren zusammenarbeiten, um QC-Logik in unsere Workcell-Steuerungssoftware und Dateninfrastruktur einzubetten. Die Auswahl und Implementierung von Laborinformatik-Tools vorantreiben, die unser Wachstum unterstützen.

Was Sie mitbringen

• Erforderlich: B.Sc., M.Sc. oder Ph.D. in Biochemie, Analytischer Chemie, Biophysik, Bioengineering oder einem eng verwandten Bereich. 6+ Jahre Erfahrung in einer Rolle in der Proteinwissenschaft, analytischen Entwicklung oder QC — idealerweise in einem Hochdurchsatz- oder CRO/Fabrik-Kontext. Tiefgehende praktische Erfahrung mit Proteinbindungsassays, insbesondere BLI oder SPR, einschließlich Assay-Entwicklung, Fehlersuche und Dateninterpretation. Vertrautheit mit Entwickelbarkeit und biophysikalischen Assays und deren damit verbundenen Herausforderungen in der Datenqualität. Starke Programmierkenntnisse in Python und/oder R für Datenverarbeitung, QC-Automatisierung und Pipeline-Entwicklung. Nachweisliche Erfahrung im Management großer, mehrbedingter Datensätze, komfortabel im Umgang mit Qualität über Tausende von parallel durchgeführten Proben. Erfolgsbilanz beim Aufbau oder der signifikanten Verbesserung von QC-Rahmenwerken, SOPs und Datenüberprüfungsprozessen in einer produktiven wissenschaftlichen Umgebung.
• Bevorzugt: Erfahrung in einem Startup, CRO oder Hochdurchsatz-Fabrik — Sie wissen, was es bedeutet, Qualitätssysteme unter Druck von Geschwindigkeit und Skalierung aufzubauen. Vertrautheit mit Instrumentendatenformaten und APIs von Plattformen wie Sartorius Octet, Cytiva Biacore oder gleichwertigen biophysikalischen Instrumenten. Hintergrund in statistischer Prozesskontrolle oder gleichwertigen Qualitätsmethoden, die auf analytische Daten angewendet werden. Exposition gegenüber KI/ML-gesteuerten Protein-Design-Workflows und den Datenanforderungen für Modelltraining und Benchmarking. Erfahrung mit Laborinformatikplattformen (LIMS, ELN) und Datenpipeline-Tools.

Bewerbungsfrist: Wir überprüfen Bewerbungen fortlaufend.