Senior ML Engineer – Agentic AI

kaiko.ai entwickelt einen KI-gestützten klinischen Assistenten, der Ärzten hilft, über Patientendaten, Richtlinien und Diagnosen hinweg zu denken. Die Entscheidungen im Gesundheitswesen werden selten von einer einzelnen Person oder aus einer einzigen Datenquelle getroffen. Der Assistent von kaiko erhält den longitudinalen Patienten-Kontext über Begegnungen, Kliniker und Institutionen hinweg, was Zusammenarbeit, Zweitmeinungen und komplexe diagnostische Arbeitsabläufe ermöglicht. Das System ist so konzipiert, dass es sicher in realen klinischen Umgebungen funktioniert, mit menschlicher Aufsicht, Nachvollziehbarkeit und regulatorischer Übereinstimmung im Kern.

Unsere Assistenten-Kern unterstützt allgemein anwendbare klinische Aufgaben wie die Navigation durch Patientendaten, Interaktion mit Richtlinien, multimodale Interaktion (Chat und Sprache) und Koordination der Versorgung. Darüber hinaus entwickeln wir spezialisierte diagnostische Agenten in Bereichen wie Onkologie, Radiologie und Pathologie. Wir arbeiten eng mit führenden Krankenhäusern und Forschungszentren zusammen, einschließlich des Netherlands Cancer Institute (NKI). kaiko ist ein gut finanziertes Unternehmen mit einem wachsenden internationalen Team, das von Zürich und Amsterdam aus operiert.

Über die Rolle: Sie werden Teil des ML Engineering-Teams von Kaiko, das das agentische System entwickelt, das leistungsstarke Modelle in etwas verwandelt, auf das Kliniker in realen Arbeitsabläufen vertrauen können. In der Gesundheitsversorgung ist dies wichtiger als irgendwo sonst. Ärzte benötigen kein weiteres Interface, das fließenden Text produziert. Sie benötigen ein System, das strukturiertes klinisches Denken und Zusammenarbeit unterstützt, chaotischen Kontext synthetisiert, Unsicherheiten explizit macht und Artefakte produziert, die inspiziert, diskutiert und mit Expertenfeedback verbessert werden können.

Als Senior ML Engineer entwerfen, liefern und bewerten Sie die Komponenten des Systems, die unser agentisches System sicher und effektiv machen. Sie tragen zur Zuverlässigkeit, Bewertung und Technik bei, die Agenten in die klinische Praxis bringt. Sie werden in Zürich oder Amsterdam ansässig sein, mit der Erwartung, etwa die Hälfte Ihrer Zeit im Büro zu verbringen.

Sie werden helfen, Folgendes aufzubauen und zu bewerten:

• Kontextlebenszyklusmanagement von der Absicht bis zu verifizierten, persistierenden Ausgaben
• Werkzeuge und Integrationen über interne Systeme und externe Datenquellen
• Haltbarer Speicher und Zustand, die langlaufende, mehrstufige klinische Arbeiten unterstützen
• Bewertungs- und Verifikationsschleifen, die Drift, Kontextverlust und Halluzinationen reduzieren

Über Sie:

• Starke Python-Kenntnisse und solide Git-Zusammenarbeitserfahrung (PRs, Branching, Code-Review)
• Erfahrung in der Entwicklung von LLM-gesteuerten Funktionen wie Prompt- und Kontextdesign, RAG-basierte Abruf- und Verankerung, Werkzeugnutzung und praktische Fehlerbehandlung
• Erfahrung in der Entwicklung von Agenten mit klarem Verständnis dafür, was sie erfolgreich oder erfolglos macht, einschließlich Zustandsmanagement, Planungs- und Ausführungsabgleich, Werkzeugzuverlässigkeit und Sicherheitsvorkehrungen
• Erfahrung mit mindestens einem agentischen Framework wie LangChain, AutoGen oder ähnlichem oder Erfahrung in der Entwicklung benutzerdefinierter produktionsbereiter agentischer Systeme
• Starke ML-Grundlagen mit besonderem Schwerpunkt auf Transformatoren und wie LLMs und VLMs in der Praxis funktionieren, einschließlich Fähigkeiten, Einschränkungen und Bewertung
• Erfahrung in der Gestaltung von Bewertungen für LLM- und agentische Systeme, einschließlich deterministischer Test-Suiten, szenariobasierter Bewertungen und rubric-basierter oder LLM-as-Judge-Ansätze
• Klare Kommunikation, die sich wohlfühlt in Design-Diskussionen, Code-Reviews und funktionsübergreifender Zusammenarbeit

Schön zu haben:

• Erfahrung mit Wissensgraphen oder strukturierten Darstellungen für Schlussfolgerungen und Abruf
• Erfahrung mit Workflow-Orchestrierungstools wie Dagster oder ähnlichem
• Vertrautheit mit verteilten Ausführungsframeworks (z.B. Ray) und sauberen Skalierungsarbeiten
• Sie bleiben über die neuesten Entwicklungen und Literatur zu agentischen Systemen informiert und können neue Ideen in umsetzbare Technik umsetzen
• Einige Erfahrung mit Reinforcement Learning

Wir freuen uns darauf, eine breite Palette von Perspektiven in unserem Team zu sammeln, da wir glauben, dass dies uns helfen wird, bessere Produkte zu entwickeln, um eine breitere Gruppe von Menschen zu unterstützen. Wenn Sie sich für uns begeistern, aber nicht jede einzelne Qualifikation erfüllen, ermutigen wir Sie dennoch, sich zu bewerben: Wir hatten unglaubliche Teammitglieder, die nicht jede Box abgehakt haben!

Bei kaiko glauben wir, dass der Aufbau transformierender Gesundheitstechnologie Zusammenarbeit, Eigenverantwortung und Ambition erfordert.

• Eigenverantwortung: Sie werden echte Verantwortung für die Gestaltung der kommerziellen Richtung und des langfristigen Einflusses von kaiko übernehmen.
• Zusammenarbeit: Sie werden eng mit erstklassigen Forschern, Klinikern und Produktteams zusammenarbeiten.
• Ambition: Sie werden helfen, eine Plattform aufzubauen, die die Art und Weise, wie Pflege bereitgestellt und Entscheidungen getroffen werden, erheblich verbessert.

Zusätzlich bieten wir:

• Ein attraktives und wettbewerbsfähiges Gehalt, einen guten Rentenplan und 25 Urlaubstage pro Jahr.
• Tolle Offsites und Teamevents, um das Team zu stärken und Erfolge gemeinsam zu feiern.
• Ein Lern- und Entwicklungsbudget von 1000 EUR, um Ihnen beim Wachsen zu helfen.
• Autonomie, um Ihre Arbeit auf die Weise zu erledigen, die am besten für Sie funktioniert, egal ob Sie ein Kind haben oder frühe Morgen bevorzugen.
• Ein jährliches Pendelzuschuss.

Unser Einstellungsprozess ist darauf ausgelegt, die gegenseitige Passung in Bezug auf Fähigkeiten, Motivation und Werte zu bewerten. Er umfasst typischerweise die folgenden Schritte, obwohl der genaue Prozess variieren kann:

• Screening-Anruf: Ein kurzes Gespräch, um sich über Ihre Motivation, Karriereziele und die erste Passung für die Rolle abzustimmen.
• Online-Coding-Bewertung: konzentriert auf grundlegende Programmierfähigkeiten, Problemlösungsfähigkeiten und grundlegende Datenstrukturen und Algorithmen.
• Überprüfung der Coding-Bewertung: Nachbesprechung zur Überprüfung Ihrer Einreichung.
• ML-Interview: Eine eingehende Diskussion über ML-Grundlagen, mit besonderem Fokus auf LLM-Wissen und -Erfahrung.
• Präsentation vor Ort: Eine technische Präsentation zu einem Projekt Ihrer Wahl, das für die Rolle relevant ist. Dies wird gefolgt von einer tiefgehenden Diskussion über Ihren Problemlösungsansatz und wichtige Entscheidungen sowie Gespräche mit Teammitgliedern, um den Zusammenarbeitsstil und die tägliche Passung zu bewerten.