Jobs for University Students

Das Institut für intelligente Biotechnologien (iBIO) an der Helmholtz München und der LMU München sucht einen herausragenden Postdoktoranden im Bereich KI mit einem starken Hintergrund in Computer Vision, Deep Learning und großangelegter biologischer Bildanalyse und Omics.

Wir entwickeln KI-gesteuerte, ganzkörperliche Atlanten der Säugetierbiologie, indem wir die weltweit größten und hochauflösendsten 3D-Bilddatensätze mit Omics, räumlicher molekularer Profilierung, Störungsmodellen und Krankheitsbiologie kombinieren. Der erfolgreiche Kandidat wird die computergestützte Entwicklung dieser Plattform leiten und ein wachsendes Team an der Schnittstelle von KI, Bildgebung, Omics und Systembiologie anleiten.

Position

Dies ist eine senior Postdoktorandenposition für einen Kandidaten, der wissenschaftliche und technische Verantwortung für wichtige KI-Projekte übernehmen kann. Der ideale Kandidat hat einen Doktortitel in Informatik, KI, maschinellem Lernen, computergestützter Biologie, Bioinformatik oder einem verwandten quantitativen Bereich, mit mehreren Jahren praktischer Erfahrung in Computer Vision und Deep Learning.

Der Kandidat sollte in der Lage sein, Projekte unabhängig zu leiten, Studierende zu betreuen, mit experimentellen und bildgebenden Teams zu koordinieren und ein Team von etwa sechs Doktoranden zu leiten, die an KI-gesteuerter Ganzkörperbiologie arbeiten.

Erfahrung mit Omics-Daten, einschließlich Einzelzell-RNA-seq, räumlicher Transkriptomik, Proteomik oder multimodaler Datenintegration, ist ein großer Vorteil, aber nicht zwingend erforderlich.

Wissenschaftlicher Fokus

Sie werden zur Entwicklung von KI-Modellen beitragen, die integrieren und analysieren:

• Ganzkörperliche, Einzelzell-Auflösung 3D-Bilddaten
• Großangelegte Lichtblattmikroskopie-Datensätze
• Zellsegmentierung, Registrierung, Verfolgung und Phänotypisierungspipelines
• Multimodale Bildgebungs- und Omics-Datensätze
• Einzelzell- und Einzelkern-RNA-seq
• Räumliche Transkriptomik
• Proteomik und räumliche Proteomik
• Genetische Störungen und Krankheitsmodelle

Das Ziel ist es, prädiktive, KI-gesteuerte Atlanten der Säugetierbiologie zu erstellen, die Zellen, Gewebe, Organe und molekulare Programme im gesamten Körper abbilden, und diese Modelle zu nutzen, um Krankheitsmechanismen und Therapieantworten zu verstehen.

Ihre Aufgaben

• Leitung der Entwicklung von Deep Learning und Computer Vision sowie räumlichen Omics-Pipelines für großangelegte 3D-biologische Kartierungen
• Entwicklung von KI-Modellen für Segmentierung, Registrierung, Repräsentationslernen, multimodale Integration und Krankheitsvorhersage
• Ausrichtung von Ganzkörperbildkarten mit Omics- und räumlichen molekularen Daten
• Entwicklung skalierbarer Werkzeuge zur Atlasgenerierung, Störungsanalyse und Zellstatuskartierung
• Betreuung und Mentoring von Doktoranden, Masterstudierenden und Junior-Forschern im Bereich KI
• Koordination eines Teams von etwa sechs Doktoranden, die an KI-, Bildgebungs- und Omics-Projekten arbeiten
• Übersetzung biologischer Fragen in computergestützte Strategien und robuste Analysepipelines
• Enge Zusammenarbeit mit experimentellen, bildgebenden, omics- und krankheitsbiologischen Teams
• Beitrag zu hochkarätigen Publikationen, Softwareveröffentlichungen, Datensätzen und Benchmarks

Ihr Profil

Erforderlich:

• Doktortitel in Informatik, KI, maschinellem Lernen, computergestützter Biologie, Bioinformatik, biomedizinischer Bildanalyse oder einem verwandten Bereich
• Mehrere Jahre praktische Erfahrung in Computer Vision und Deep Learning
• Starke Programmierkenntnisse, insbesondere in Python und modernen ML-Frameworks wie PyTorch oder TensorFlow
• Erfahrung mit großangelegter Bildanalyse, idealerweise 3D-Mikroskopie, medizinischer Bildgebung, biologischer Bildgebung oder räumlichen Daten
• Nachgewiesene Fähigkeit, wissenschaftliche Projekte unabhängig zu leiten
• Erfahrung in der Betreuung von Masterstudierenden, Doktoranden oder Junior-Forschern
• Starker Publikationsrekord oder klare Nachweise hervorragender technischer Ergebnisse
• Fähigkeit, disziplinübergreifend zu arbeiten und sowohl mit computergestützten als auch mit experimentellen Wissenschaftlern zu kommunizieren
• Unabhängig, strukturiert, zuverlässig und motiviert, ehrgeizige wissenschaftliche Plattformen aufzubauen

Starke Vorteile:

• Erfahrung mit der Analyse von Omics-Daten, insbesondere scRNA-seq, räumlicher Transkriptomik, Proteomik oder multimodaler Datenintegration
• Vertrautheit mit Scanpy, Seurat, Bioconductor, räumlichen Omics-Toolchains oder verwandten Frameworks
• Erfahrung mit graphbasierten neuronalen Netzwerken, Grundmodellen, selbstüberwachtem Lernen, Repräsentationslernen oder multimodaler KI
• Erfahrung im Management von Codebasen, Datensätzen, Benchmarks oder kollaborativen Softwareprojekten
• Interesse an Ganzkörperbiologie, Krankheitsmechanismen, digitalen Zwillingen und prädiktiven Modellen von Säugetiersystemen

Was wir bieten

• Zugang zu einzigartigen Ganzkörperbild- und Multi-Omics-Datensätzen
• Großangelegte Recheninfrastruktur, einschließlich dedizierter A100-Cluster und Petabyte-Speicher
• Eine führende Rolle beim Aufbau von KI-Modellen der nächsten Generation für die Säugetierbiologie
• Enge Interaktion mit experimentellen, bildgebenden, omics- und krankheitsbiologischen Teams
• Starke interdisziplinäre Betreuung und wissenschaftliche Sichtbarkeit
• Gelegenheit, Projekte zu leiten, Junior-Wissenschaftler zu betreuen und die KI-Richtung von iBIO zu gestalten
• Internationales Forschungsumfeld an der Helmholtz München und der LMU München
• Wettbewerbsfähiges Gehalt gemäß institutionellen Vorschriften

Umgebung

iBIO an der Helmholtz München und der LMU München kombiniert fortschrittliches Gewebeklarifizieren, Lichtblattmikroskopie, Omics und KI, um digitale, prädiktive Modelle der Säugetierbiologie vom Zell- bis zum Gesamtorganismus zu erstellen. Das Labor entwickelt Technologien, um gesamte Säugetierkörper auf zellulärer Ebene abzubilden und nutzt KI, um Krankheiten, Störungen, Therapieantworten und biologische Organisation über Organe und Systeme hinweg zu verstehen.

Bewerbung

Bitte reichen Sie Ihre Bewerbung als eine einzige PDF-Datei ein. Diese PDF sollte Ihren Lebenslauf und ein Anschreiben enthalten, in dem Sie erläutern, warum Sie eine ausgezeichnete Wahl für diese Position sind, wie Ihre Erfahrungen unseren Anforderungen entsprechen und was Sie in die Rolle einbringen würden. Dies ist das einzige Dokument, das bei der ersten Auswahl bewertet wird, auch nicht Ihr E-Mail-Inhalt. Bitte fügen Sie keine zusätzlichen Anhänge wie Referenzen, Zertifikate oder andere unterstützende Dokumente bei. Bewerbungen, die diese Anweisungen nicht befolgen, werden herausgefiltert und ignoriert.

Zu: Stefanie Reitinger
Hiring Administration, iBIO
Helmholtz München
Email: stefanie.reitinger@helmholtz-munich.de

Bewerbungen werden fortlaufend geprüft, bis die Position besetzt ist.

WICHTIGER HINWEIS:
Betreff: „iBIO AI Postdoc/Team Lead (iBIO-AI-2026-06)“