Lead AI Software Engineer

Diese Senior-Position konzentriert sich auf das Design und die Bereitstellung von KI/ML-Lösungen für die Gesundheitsbranche – einschließlich LLM-gestützter Anwendungen, retrieval-augmented generation (RAG) und prädiktiven Modellen. Sie werden KI-Lösungen gemeinsam mit dem KI-Architekten entwerfen und das Produktdesign sowie die End-to-End-Implementierung (Datenpipelines, Training/Fine-Tuning, Evaluierung & Guardrails, Bereitstellung und Überwachung) innerhalb der Unternehmensstandards verantworten. Diese Position ist remote und basiert in den Vereinigten Staaten.

Verantwortlichkeiten des Lead AI Software Engineer:

• Gemeinsames Design von KI-Lösungen mit dem KI-Architekten und Verantwortung für die produktbezogene Lösung und Lieferung innerhalb der Unternehmens-KI-Architektur, Standards und Governance.
• Leitung der End-to-End-Implementierung für Ihr Produkt/Squad.
• Einrichtung und Betrieb von MLOps: Experimentverfolgung und Modellregistrierung, CI/CD für ML, Canary/A/B-Tests und Überwachung von Latenz, Genauigkeit, Drift, Verzerrung und Kosten.
• Verantwortung für Zuverlässigkeit, Sicherheit und Kosten der KI-Dienste Ihres Produkts: Definition von SLOs, Teilnahme an On-Call/Incident-Response, Verwaltung von Token/GPU-Budgets und Optimierung von Prompts, Embeddings, Caching und Indizierung.
• Aufbau und Wartung von Datenpipelines (z.B. Spark/Databricks oder gleichwertig) und Sicherstellung einer robusten SQL Server-Leistung und Datenqualität; Zusammenarbeit mit DBAs und Dateningenieuren unter Verwendung von SSMS.
• Sicherstellung der HIPAA-Konformität und verantwortungsbewusster KI-Praktiken über Entwicklung und Betrieb hinweg; Partnerschaft mit Sicherheit und Compliance zur Erfüllung der Richtlinienanforderungen.
• Zusammenarbeit mit Produktmanagement, Fachexperten und Compliance zur Übersetzung von Anforderungen in sichere, zuverlässige, hochwirksame KI-Dienste.
• Durchführung von Überprüfungen mit Schwerpunkt auf Codequalität, Experimentiergenauigkeit, Reproduzierbarkeit und Evaluierungsdisziplin; Mentoring von Ingenieuren und Datenwissenschaftlern.
• Teilnahme an Architekturüberprüfungen; Vorschlag von Verbesserungen und Beitrag von wiederverwendbaren Komponenten (RAG-Vorlagen, Evaluierungswerkzeuge) zurück zur gemeinsamen KI-Plattform.
• Nutzung von Microsoft Copilot und GitHub Copilot zur Verbesserung der Entwicklerproduktivität, Codequalität und Dokumentation, im Einklang mit der organisatorischen Governance.

Bildungs- und Erfahrungsvoraussetzungen:

• Abschluss in Informatik, Informationstechnologie, Computerinformationssystemen, Gesundheitsinformatik oder einem verwandten Bereich.
• Erfahrung im Gesundheitsbereich: entweder klinisch (z.B. Patientenversorgung, klinische Dokumentation, Qualität) oder im Revenue Cycle Management (z.B. Kodierung, Ansprüche, Ablehnungen, vorherige Genehmigung).
• 10+ Jahre in der Softwareentwicklung; 5+ Jahre im Aufbau und Versand von ML/AI-Lösungen; 2+ Jahre Leitung von KI/ML-Initiativen oder -Teams.
• Kenntnisse in Azure AI Foundry (Azure AI Studio) zur Entwicklung, Evaluierung und Operationalisierung von LLM-Lösungen; Vertrautheit mit Azure AI-Ressourcen und Bereitstellungsmustern.
• Beherrschung von SQL Server Management Studio (SSMS) für SQL-Entwicklung, Leistungsoptimierung und Fehlersuche; starke T-SQL-Grundlagen.
• Erfahrung mit Visual Studio und Integration von KI-Diensten in Webanwendungen oder -dienste, wo nötig.
• Praktische Erfahrung mit OpenAI- oder Anthropic-Modellen (z.B. Website, Claude 3.x), einschließlich Prompt Engineering, Funktions-/Toolaufrufen und Evaluierung.
• Erfahrung mit Microsoft Copilot und GitHub Copilot in professionellen Arbeitsabläufen (Codierungsunterstützung, Testgenerierung, Dokumentation) mit Bewusstsein für Nutzungsrichtlinien und Datengrenzen.
• Starke Python- und ML-Ökosystemkenntnisse: PyTorch/TensorFlow, transformers/Hugging Face, Embeddings, LLM-Orchestrierung (z.B. LangChain oder LlamaIndex) und Vektordatenbanken (z.B. FAISS, Azure AI Search, Pinecone).
• MLOps: MLflow/W&B (oder gleichwertig), Docker, Kubernetes, CI/CD für ML, Modellregistrierungen, Überwachung (Drift, Leistung, Verzerrung), A/B-Tests und Rollback-Strategien.
• Cloud AI auf Azure (bevorzugt): Azure AI Foundry, Azure OpenAI, Azure AI Search, Azure ML, Azure Key Vault, mit solidem Verständnis von IAM, Geheimnissen und Verschlüsselung.
• Nachgewiesene Kompetenz in Sicherheit, Datenschutz und Compliance: HIPAA, PHI/PII-Handhabung und De-Identifizierung (z.B. Presidio), verantwortungsvolle KI-Praktiken.
• Ausgezeichnete Kommunikations- und bereichsübergreifende Zusammenarbeit, einschließlich mit klinischen Stakeholdern und Compliance-Teams.

Bevorzugte Bildungs- und Erfahrungsvoraussetzungen:

• Erfahrung mit FHIR- und HL7-Datenstandards; klinische NLP (Entitätsextraktion, Zusammenfassung, Kodierungs-/RCM-Anwendungsfälle); und/oder medizinische Bildgebung (DICOM).
• Databricks (Delta Lake, Spark), Airflow (oder ähnliche Orchestrierung) und Azure-native Datenservices (z.B. Data Factory, Synapse).
• GPU/CUDA-Erfahrung; Inferenzoptimierung (Quantisierung, Destillation); Prompt-/Token-Budgetierung und Caching-Strategien für LLM-Workloads.
• Governance & Ethik: Modellkarten, Datensätze für Datensätze, Verzerrungs-/Fairnessbewertungen und Red-Teaming.
• Vertrautheit mit .NET-Microservices und API-Design zur Integration von KI-Diensten in Unternehmenssysteme.

Streamline Healthcare Solutions ist ein Arbeitgeber, der Chancengleichheit bietet. Wir feiern Vielfalt und setzen uns dafür ein, ein integratives Umfeld für alle Mitarbeiter zu schaffen. Qualifizierte Bewerber werden ohne Rücksicht auf Rasse, Farbe, Religion, Geschlecht, Alter, Behinderung, Militärstatus, nationale Herkunft oder eine andere durch Bundes-, Landes- oder geltendes lokales Recht geschützte Eigenschaft berücksichtigt.