Technical Lead - Structural Biology Networks

Wir suchen derzeit einen Technical Lead – Structural Biology Networks in Deutschland. Dies ist eine hochwirksame technische Führungsrolle an der Schnittstelle von struktureller Biologie, Fundamentmodellen und föderiertem maschinellem Lernen. Sie werden die Bereitstellung fortschrittlicher KI-Modellsysteme leiten, die von führenden Pharma- und Biotech-Partnern zur Unterstützung von Arzneimittelentdeckungsnetzwerken verwendet werden. Die Rolle kombiniert tiefgehende praktische technische Ausführung mit strategischer Führung und verwandelt komplexe wissenschaftliche Ziele in produktionsbereite Modellpipelines.

Sie werden die technische Richtung definieren, architektonische Entscheidungen leiten und zuverlässige, qualitativ hochwertige Modellveröffentlichungen sicherstellen, die direkt reale Arbeitsabläufe in der Arzneimittelentdeckung unterstützen. In Zusammenarbeit mit Forschungs-, Ingenieur- und Produktteams helfen Sie dabei, bahnbrechende ML-Fortschritte in skalierbare Systeme zu übersetzen. Diese Position ist ideal für einen Führer, der in technisch komplexen, schnelllebigen Umgebungen gedeiht und gerne Forschung und Produktion im großen Maßstab verbindet.

Verantwortlichkeiten:

• Leiten Sie die End-to-End-Bereitstellung von föderierten Co-Folding- und strukturellen Biologiemodellsystemen, wobei Sie sich intensiv mit Modellierung, Architektur, Bewertung und technischer Ausführung befassen.
• Entwerfen, verfeinern und erweitern Sie groß angelegte Fundamentmodelle für die strukturelle Biologie, einschließlich Systeme wie OpenFold, Boltz-2 und ESMFold, um robuste und produktionsbereite Ergebnisse sicherzustellen.
• Übersetzen Sie hochrangige wissenschaftliche und technische Ziele in klare Ausführungspläne, Arbeitsströme und Liefermeilensteine.
• Definieren und setzen Sie Bewertungsstandards für Modelle durch, um qualitativ hochwertige, validierte Ergebnisse zu gewährleisten, die für reale Anwendungen in der Arzneimittelentdeckung geeignet sind.
• Verantworten Sie die Lieferfristen und stellen Sie sicher, dass Modellveröffentlichungen zuverlässig ausgeliefert werden, indem Sie Risiken, Abhängigkeiten und technische Kompromisse proaktiv verwalten.
• Stimmen Sie Konsortiums- und interne Stakeholder auf Ziele, Datenanforderungen, Bewertungsrahmen und Lieferungserwartungen ab.
• Arbeiten Sie eng mit Produkt-, Forschungs-, Ingenieur- und Führungsteams zusammen, um sicherzustellen, dass die Modellentwicklung mit den Plattform- und Kundenbedürfnissen übereinstimmt.
• Mentorieren Sie ML-Ingenieure und Wissenschaftler, während Sie direkt zu technischem Design, Experimentierung und Systemarchitektur beitragen.
• Identifizieren und beheben Sie kontinuierlich Blockaden, Fehler und Risiken mit klaren, umsetzbaren Empfehlungen.

Anforderungen:

• PhD, MSc oder gleichwertige Erfahrung in Maschinellem Lernen, Computational Biology, Informatik oder einem verwandten Bereich, mit mehr als 5 Jahren angewandter ML-Erfahrung in komplexen wissenschaftlichen oder biologischen Bereichen.
• Starke praktische Expertise im Bereich strukturelle Biologie ML, einschließlich Proteinmodellierung, Co-Folding oder Bindungsvorhersage.
• Nachgewiesene Erfahrung mit modernen ML-Frameworks wie Python und PyTorch sowie der Erweiterung groß angelegter Modelle wie OpenFold, AlphaFold, Boltz oder ESM.
• Erfahrung mit MLOps oder ML-Infrastruktur, einschließlich Kubernetes-basierten Trainings-, Bewertungs- oder Bereitstellungspipelines.
• Nachgewiesene Fähigkeit, komplexe ML-Lieferprojekte zu leiten, technische Richtungen zu definieren und Teams zu produktionstauglichen Veröffentlichungen zu führen.
• Starke Spieler-Coach-Fähigkeit, mit Erfahrung in der Mentoring technischer Teams, während Sie weiterhin praktisch in Modellierung und Experimentierung tätig sind.
• Fähigkeit, mehrdeutige wissenschaftliche Probleme in strukturierte technische Pläne und Ausführungsfahrpläne zu übersetzen.
• Starke Zusammenarbeitfähigkeiten über Forschungs-, Produkt-, Ingenieur- und wissenschaftliche Stakeholder hinweg.
• Bonus: Erfahrung im föderierten Lernen, verteiltem Training oder datenschutzfreundlichen ML-Umgebungen.
• Bonus: Erfahrung in regulierten oder vertrauenswürdigen Umgebungen (Pharma, Biotech, Unternehmens-ML-Systeme).
• Bonus: Veröffentlichungsrekord in erstklassigen ML- oder Computational Biology-Veranstaltungen (NeurIPS, ICML, ICLR, ISMB, RECOMB usw.).

Vorteile:

• Wettbewerbsfähige branchenübliche Vergütung, einschließlich Optionen für virtuelle Eigenkapitalbeteiligungen in der Frühphase.
• Remote-first Arbeitsmodell mit Flexibilität, von überall aus zu arbeiten.
• Wohlfühlbudget, Unterstützung für psychische Gesundheit, Homeoffice-Zuschuss, Co-Working-Stipendium und Lernbudget.
• Großzügiger jährlicher Urlaubsanspruch.
• Regelmäßige persönliche Teambesprechungen in Berlin oder anderen europäischen Standorten (ca. dreimal im Jahr).
• Gelegenheit, an bahnbrechenden KI-Systemen zu arbeiten, die direkt auf die Arzneimittelentdeckung angewendet werden.
• Hochkarätiges, umsetzungsorientiertes Team mit Erfahrung aus führenden globalen Organisationen.