Head of QC & Analytics

Adaptyv baut ein automatisiertes Labor, das 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 analysieren und die Entwicklung von Assays beschleunigen. Wir wachsen schnell und suchen talentierte Menschen, 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.

Hauptverantwortlichkeiten

• End-to-End-Qualitätskontrolle für alle Proteinassays, die auf der Adaptyv-Plattform durchgeführt werden — Bindung (BLI/SPR), Entwickelbarkeit und biophysikalische Charakterisierungs-Workflows — über Tausende von Proben und verschiedene experimentelle Bedingungen.
• Akzeptanzkriterien, Kontrollstandards und QC-Metriken für jeden Assaytyp definieren und sicherstellen, dass sie systematisch in der Produktion durchgesetzt werden.
• SOPs und Qualitätsprüfungen etablieren, die direkt in automatisierte Workcell-Workflows integriert sind.
• Untersuchung und Lösung von Ergebnissen außerhalb der Spezifikation, Assayfehlern und systematischen Abweichungen leiten — von der Ursachenanalyse bis zur Korrekturmaßnahme.
• Mit Wissenschaftlern der Assay-Entwicklung zusammenarbeiten, um neue Methoden zu validieren, bevor sie in die Produktion gehen.

Datenpipelines & Analytik

• Unser Softwareteam ist für die Dateninfrastruktur verantwortlich, Ihre Rolle ist es, ihr wissenschaftlicher Gegenpart zu sein. Sie definieren, was gemessen, markiert und überprüft werden muss; sie bauen die Systeme, die dies tun.
• 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 Assaytyp aussehen: erwartete Signalbereiche, Kontrollschwellen, Fehlermuster und Randfälle, die die Pipeline behandeln muss.
• Lücken in bestehenden Datenüberprüfungs-Workflows identifizieren und präzise Anforderungen formulieren, wie sie verbessert werden sollten, was markiert, was automatisch abgelehnt wird und was eine menschliche Überprüfung erfordert.
• Die wissenschaftliche Logik hinter QC-Regeln, Anomalieerkennung und Datenakzeptanzkriterien besitzen, auch wenn die Implementierung bei der Technik liegt.
• Pipeline-Ausgaben kritisch überprüfen: Fälle erkennen, in denen die Automatisierung einen falschen Pass oder unnötigen Fehler gibt, und diese Erkenntnisse als umsetzbare technische Anforderungen zurückmelden.
• Statistische Überlegungen anwenden, um echten Assay-Abdrift oder Instrumentvariabilität von Rauschen zu unterscheiden — und diese Erkenntnisse so zu 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 verwandten Bereich.
• 6+ Jahre Erfahrung in einer Rolle in der Proteinwissenschaft, analytischen Entwicklung oder QC — idealerweise in einem Hochdurchsatz- oder CRO/Fundament-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 mit der Argumentation über Qualität bei Tausenden von Proben, die parallel durchgeführt werden.
• Erfolgsbilanz beim Aufbau oder der signifikanten Verbesserung von QC-Rahmenwerken, SOPs und Datenüberprüfungsprozessen in einer produktiven wissenschaftlichen Umgebung.

Bevorzugte Qualifikationen

• Erfahrung in einem Startup, CRO oder Hochdurchsatz-Fundament — 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.
• Einblick in KI/ML-gesteuerte Protein-Design-Workflows und die Datenanforderungen für Modelltraining und Benchmarking.
• Erfahrung mit Laborinformatik-Plattformen (LIMS, ELN) und Datenpipeline-Tools.

Bewerbungsfrist: Wir prüfen Bewerbungen fortlaufend.