Software Developer, circular-construction AI (REON / SXL)

Mission

Das Structural Xploration Lab (SXL) an der EPFL entwickelt REON, ein KI-System, das den Wiederverwendungswert von Bauteilen vor der Demontage vorhersagt und Forschung, die an 23.200 realen Wiederverwendungsmarkttransaktionen validiert wurde, in ein funktionierendes Produkt umsetzt. Wir suchen einen Softwareentwickler, der dabei hilft, den Kern dieses Produkts zusammen mit dem Gründer zu entwickeln: einen validierten Forschungsprototyp in ein sauberes, funktionierendes, einsatzbereites Werkzeug umzuwandeln.

Hauptaufgaben und Verantwortlichkeiten

• Extrahieren und Härtung einer Bewertungs-Engine aus einem bestehenden Python/Streamlit-Prototyp in robusten, eigenständigen Code
• Neuaufbau der Datenebene von Neo4j zu einer Python-nativen Graphstruktur
• Implementierung von Datenaufnahme- und Ähnlichkeitsabgleichslogik, die fehlende Komponenteninformationen vervollständigt (GNN)
• Erstellung einer leichten Weboberfläche: Daten hochladen, rangierte Ergebnisse ausgeben
• Unabhängiges Arbeiten von groben Zielen bis hin zu funktionierender Software unter Verwendung moderner Werkzeuge (einschließlich KI-Coding-Assistenten), um schnell voranzukommen
• Sauberhalten und Dokumentieren des Codes, damit er von anderen erweitert werden kann.

Profil

Wir suchen einen starken, frühkarrierigen Python-Entwickler, der daran interessiert ist, einen Forschungsprototyp in ein funktionierendes Produkt zu überführen. Die Rolle kombiniert Graphdaten, ML und praktische Webentwicklung. Einige Technologien können während des Projekts erlernt werden, aber solide Python-Kenntnisse und praktische Erfahrungen mit Graphen und GNNs sind unerlässlich.

• Abschluss in Informatik, Softwaretechnik, Datenwissenschaft, maschinellem Lernen oder einem gleichwertigen Bereich; Absolventen sind willkommen
• Starke Python-Kenntnisse und die Fähigkeit, sauberen, modularen, getesteten und dokumentierten Code zu schreiben
• Praktische Erfahrung mit Graphdatenstrukturen und graphbasierten neuronalen Netzwerken, erworben durch akademische Forschung, Praktika, professionelle Arbeit oder umfangreiche persönliche Projekte
• Erfahrung mit maschinellen Lernpipelines, einschließlich Datenvorbereitung, Modelltraining oder -inferenz und -bewertung
• Interesse an der Migration eines bestehenden Neo4j-Modells zu einer benutzerdefinierten Python-nativen Graphimplementierung
• Erfahrung im Aufbau von mindestens einer vollständigen Anwendung über Notebooks hinaus, einschließlich einer Backend-API und einer funktionalen Weboberfläche
• Komfortabel beim Erlernen unbekannter Technologien und schrittweisen Verbesserungen eines bestehenden Prototyps
• Vertraut mit Git; Erfahrung mit LLM-Workflows, Docker oder Cloud-Bereitstellungen ist von Vorteil
• Selbstständig, pragmatisch und motiviert durch die Entwicklung von Forschung zu Produkten
• Gültige Schweizer Arbeitsbewilligung; Inhaber eines S-Ausweises sind willkommen, wenn sie zur Arbeit autorisiert sind
• Fließendes Englisch; Französisch oder Deutsch ist von Vorteil

Wir bieten

• Die Chance, den technischen Kern eines sich in der Gründung befindlichen EPFL-Spin-offs im Bereich zirkuläre Bauweise und KI aufzubauen
• Direkte Zusammenarbeit mit dem Gründer und echtes Eigentum an dem, was Sie bauen
• Eine flexible, praktische Rolle mit echtem Einfluss
• Für die richtige Person ein möglicher Weg zu einer Gründungsrolle im technischen Bereich bei REON
• Der Starttermin ist flexibel und kann mit dem ausgewählten Kandidaten vereinbart werden