Technical Lead – Large Molecule AI Systems

Wir suchen derzeit einen Technical Lead – Large Molecule AI Systems in Deutschland. Diese Rolle befindet sich an der Schnittstelle von künstlicher Intelligenz, struktureller Biologie und großangelegter pharmazeutischer Forschung und konzentriert sich auf die Entwicklung von KI-Systemen der nächsten Generation für die Entdeckung von Biologika. Sie werden die Lieferung komplexer maschineller Lernprogramme leiten, die auf Antikörpermodellierung, Protein-Faltung und Vorhersage der Entwickelbarkeit angewendet werden, und fortschrittliche wissenschaftliche Forschung in robuste, produktionsbereite Systeme umwandeln.

In einer hochgradig kollaborativen, forschungsorientierten Umgebung werden Sie multidisziplinäre Teams von ML-Ingenieuren und Wissenschaftlern leiten und sicherstellen, dass experimentelle Modelle sich zu zuverlässigen, skalierbaren Lösungen entwickeln, die in realen Arbeitsabläufen der Arzneimittelentdeckung verwendet werden. Die Rolle erfordert ein Gleichgewicht zwischen strategischer technischer Führung und praktischen Beiträgen, insbesondere im Bereich Modellgestaltung, -bewertung und Systemarchitektur. Sie werden auch eine Schlüsselrolle dabei spielen, wissenschaftliche Stakeholder um klare Ziele, Zeitpläne und messbare Ergebnisse zu versammeln. Dies ist eine hochwirksame Position, in der Ihre Arbeit direkt die Innovation in der pharmazeutischen F&E durch föderierte KI-Systeme beschleunigt.

Verantwortlichkeiten:

• Leitung der Entwicklung und Lieferung föderierter großer Molekül-KI-Systeme in Bereichen wie Antikörpermodellierung, Protein-Co-Faltung, Binder-Vorhersage und Entwickelbarkeit von Biologika.
• Vorantreiben der Implementierung großangelegter biomolekularer Fundamentmodelle, einschließlich Systeme inspiriert von OpenFold, Boltz-2 und ESM, um zuverlässige und qualitativ hochwertige Modellveröffentlichungen sicherzustellen.
• Übersetzung von mehrdeutigen wissenschaftlichen und technischen Zielen in strukturierte Ausführungspläne, Priorisierungsrahmen und klar definierte Arbeitsströme.
• Definition von Bewertungsstrategien, Validierung der Modellleistung und Sicherstellung, dass die Ergebnisse den Produktionsstandards für reale Anwendungen in der Arzneimittelentdeckung entsprechen.
• Management von Risiken, Abhängigkeiten, technischen Kompromissen und Lieferzeitplänen sowie Bereitstellung klarer Empfehlungen an Stakeholder und Führungskräfte.
• Ausrichtung von Konsortiums- und funktionsübergreifenden Stakeholdern auf Datenanforderungen, Ziele, Bewertungskriterien und Erwartungen an die Lieferung.
• Enge Zusammenarbeit mit Produkt-, Ingenieur-, Forschungs- und Führungsteams, um sicherzustellen, dass die Modell-Roadmaps mit den Anwendungs- und Geschäftsbedürfnissen übereinstimmen.
• Agieren als Spieler-Coach, direkter Beitrag zu Modellierung, Experimentierung und Architekturentscheidungen sowie Mentoring von Senior Engineers und ML-Wissenschaftlern.

Anforderungen:

• Fortgeschrittene Ausbildung (PhD, MSc oder gleichwertige Erfahrung) in maschinellem Lernen, computergestützter Biologie, struktureller Biologie oder einem verwandten Bereich.
• Über 5 Jahre Erfahrung in der Anwendung von maschinellem Lernen auf komplexe biologische oder wissenschaftliche Probleme wie Antikörperengineering, Protein-Design, Binder-Vorhersage oder Arzneimittelentdeckung.
• Starke praktische Expertise in Python und PyTorch, mit Erfahrung in der Arbeit an oder Erweiterung großangelegter Modelle wie AlphaFold, OpenFold, Boltz oder ESM.
• Nachgewiesene Erfahrung in der Lieferung von ML-Systemen, einschließlich Bewertung, Training, Bereitstellung und Validierung produktionsbereiter Modelle.
• Solides Verständnis der ML-Infrastruktur und MLOps-Praktiken, einschließlich Kubernetes-basiertem Training und verteilten Workflows.
• Nachgewiesene Fähigkeit, End-to-End-ML-Projekte zu leiten, technische Richtungen zu definieren und Teams zu hochwertigen Ergebnissen zu führen.
• Starke Fähigkeit zur Definition von Erfolgsmessungen, Validierung der Modellqualität und Sicherstellung der Robustheit für reale Anwendungen.
• Erfahrung in funktionsübergreifenden Umgebungen mit Forschung, Ingenieurwesen, Produkt und wissenschaftlichen Stakeholdern.
• Ausgezeichnete Kommunikationsfähigkeiten und die Fähigkeit, mehrdeutige wissenschaftliche Herausforderungen in klare, ausführbare technische Pläne umzuwandeln.
• Erfahrung in föderiertem Lernen, verteiltem Training oder datenschutzfreundlichem ML wird als großer Vorteil angesehen.
• Frühere Erfahrungen in regulierten, unternehmerischen, pharmazeutischen oder biotechnologischen Umgebungen sind von Vorteil.
• Veröffentlichungen in erstklassigen ML- oder computergestützten Biologie-Foren werden als großer Vorteil angesehen.

Vorteile:

• Wettbewerbsfähiges Vergütungspaket einschließlich virtueller Aktienoptionen.
• Vollständig remote-first Arbeitsmodell mit Flexibilität an verschiedenen Standorten.
• Wohlfühlbudget und Zugang zu psychologischen Unterstützungsdiensten.
• Einrichtungskosten für das Homeoffice und Stipendien für Co-Working-Spaces.
• Dediziertes Budget für Lernen und Entwicklung für Kurse, Konferenzen und Zertifizierungen.
• Großzügiger Urlaubsanspruch zur Unterstützung der Work-Life-Balance.
• Periodische persönliche Zusammenarbeitssitzungen an europäischen Standorten, einschließlich des Hauptsitzes in Berlin.
• Gelegenheit, mit einem hochqualifizierten, umsetzungsorientierten Team zu arbeiten, das an der Spitze von KI und Innovation in der Arzneimittelentdeckung tätig ist.