Applied AI / ML Lead Engineer

Startdatum: So bald wie möglich / nach Vereinbarung

Übersicht

DAiNA ist ein Unternehmen für präzisionsonkologische Lösungen, das sich auf die Ermöglichung personalisierter Krebsbehandlungen für individuelle Patienten konzentriert. Wir kombinieren umfassende molekulare Tumordaten, einschließlich Genomik, Transkriptomik (Bulk-, Einzelzell- und räumliche), Proteomik und Epigenetik, mit KI-gesteuerten Analysen. Unsere Plattform verbindet multi-omische Profilierung mit funktionalen ex-vivo-Tumormodellen und personalisierter Flüssigbiopsieüberwachung und schafft einen kontinuierlichen Workflow von der Biopsie und Behandlungsauswahl bis hin zur Therapieüberwachung und -anpassung. Wir betreiben auch GMP-Herstellung, um individualisierte N=1-Therapeutika zu produzieren. Kurz gesagt, wir helfen Ärzten, informiertere, personalisierte Behandlungsentscheidungen auf der Grundlage hochdimensionaler molekularer Tumordaten zu treffen.

Die Rolle

Als Applied AI / ML Lead Engineer werden Sie DAiNAs angewandte KI-Fähigkeiten im Kern unserer präzisionsonkologischen Plattform aufbauen. Ihr Fokus liegt darauf, moderne maschinelles Lernen, große Sprachmodelle und retrieval-augmented generation in robuste, sichere und klinisch relevante Softwaresysteme zu übersetzen. Sie werden KI-gesteuerte Workflows entwerfen und implementieren, die die Interpretation molekularer Daten, klinische Berichterstattung, Wissensretrieval, Entscheidungsunterstützung und die Entwicklung digitaler Zwillinge unterstützen. Ein wichtiger Teil der Rolle besteht darin, sicherzustellen, dass sensible Patienten- und Molekulardaten in einer sicheren, konformen und prüfbaren Umgebung verarbeitet werden können, mit strenger Kontrolle über das Modellverhalten, die Datenherkunft und die Systemleistung.

Was Sie tun werden

• Entwerfen, bauen und betreiben von angewandten KI/ML-Systemen für DAiNAs präzisionsonkologische Plattform
• Entwickeln und Pflegen von retrieval-augmented generation (RAG)-Architekturen für die Interpretation molekularer Daten, klinische Berichterstattung, Literatur-/Wissensretrieval und interne Entscheidungsunterstützungs-Workflows.
• Robuste Komponenten für Dokumentenaufnahme, Chunking, Einbettung, Vektorsuche, Neuordnung, Verankerung, Zitathandhabung und Bewertung erstellen.
• Bereitstellen und Betreiben von offenen und/oder selbstgehosteten Modellen in sicheren Cloud- oder isolierten Umgebungen, um unnötige Abhängigkeiten von externen KI-Anbietern für sensible Patientendaten zu reduzieren.
• Bewerten und Feinabstimmen von domänenspezifischen Modellen, wo dies messbaren Wert hinzufügt, unter Verwendung reproduzierbarer Trainings-, Validierungs- und Benchmarking-Workflows.
• Integrieren von KI-Komponenten in DAiNAs Berichtsebene, Datenplattform und breitere rechnergestützte Onkologie-Workflows.
• Entwickeln von Sicherheitsvorkehrungen, Prüfpfaden, Strategien zur Kontrolle von Halluzinationen und Überprüfungsmechanismen mit menschlicher Beteiligung für sensible wissenschaftliche und klinische Anwendungsfälle.
• Leiten und Koordinieren eines kleinen verteilten technischen Teams oder externer Spezialisten in den Bereichen Architektur, Retrieval, Modellbereitstellung, Feinabstimmung und KI-Bewertung.
• Eng mit Bioinformatikern, Dateningenieuren, klinischen, Labor- und Managementbeteiligten zusammenarbeiten, um sicherzustellen, dass KI-Systeme echte Workflow-Bedürfnisse adressieren.

Was Sie mitbringen

• Starker Hintergrund in der Softwareentwicklung mit praktischer Erfahrung im Aufbau produktionsreifer ML-, KI- oder LLM-basierter Systeme.
• Praktische Erfahrung mit großen Sprachmodellen, einschließlich offener Modellfamilien.
• Tiefe praktische Kenntnisse über RAG-Systeme, einschließlich Einbettungen, Vektordatenbanken, Chunking-Strategien, Retrieval, Neuordnung, Verankerung und Bewertung.
• Erfahrung mit MLOps-Praktiken wie Modell-/Versionsmanagement, automatisierter Bewertung, Überwachung, Protokollierung, Bereitstellung und Reproduzierbarkeit.
• Starke Kommunikationsfähigkeiten und die Fähigkeit, technische Kompromisse klar gegenüber wissenschaftlichen, klinischen und Managementbeteiligten zu erklären.

Wünschenswert

• Erfahrung im Gesundheitswesen, Biotechnologie, Diagnostik, Pharma oder einem anderen regulierten Umfeld.
• Erfahrung mit klinischen oder biomedizinischen Daten, einschließlich molekularer Profile, Omik-Daten, Pathologieberichten, klinischen Notizen, Literatur, Behandlungsrichtlinien oder realen Beweisen.
• Vertrautheit mit digitalen Zwillingsansätzen, rechnergestützter Onkologie, Krebsbiologie oder personalisierter Medizin.

Warum DAiNA

• Arbeitgeberbeiträge zur privaten Krankenversicherung oder ergänzenden Gesundheitsversorgung sowie zur Altersvorsorge.
• Hybrides Modell mit ~60% der Arbeitszeit vor Ort und dem Rest remote, abhängig von Team- und Geschäftsbedürfnissen.
• Leistungsabhängige Bonusmöglichkeiten, abhängig von Unternehmens- und individueller Leistung.
• Ein persönliches Entwicklungsbudget für Konferenzen, Kurse, Zertifizierungen und Schulungen.
• Die Möglichkeit, direkt an echten Patientenfällen zu arbeiten und eine erstklassige präzisionsonkologische Plattform mitzugestalten.
• Ein proaktives, kollaboratives Team mit schnellen Entscheidungsprozessen und starker Verantwortung für Ihr Fachgebiet.

Wie man sich bewirbt

Bitte senden Sie Ihren Lebenslauf und eine kurze Notiz, warum diese Rolle zu Ihnen passt, an example@example.com, mit dem Betreff „Applied AI / ML Lead Engineer“. Wir prüfen Bewerbungen fortlaufend und streben an, schnell zu antworten.