Director & Group Head (AI-Systems & Scale)

Standort: Basel, Schweiz. Novartis kann keine Umzugshilfe anbieten: Bitte bewerben Sie sich nur, wenn der Standort für Sie zugänglich ist.

Novartis hat eine mutige Strategie zur digitalen Transformation angenommen. Unser Ziel ist es, Novartis als Branchenführer zu positionieren, indem wir proaktiv digitale Technologien nutzen, die innovative Ansätze zur Beschleunigung der Arzneimittelentdeckung und -entwicklung fördern. Durch die Nutzung interner und externer F&E-Daten mit der Kraft von Datenwissenschaft, prädiktiven Modellen, generativer KI und maschinellem Lernen zielen wir darauf ab, neue Ziele zu identifizieren, effektivere therapeutische Moleküle zu schaffen, die Pharmakokinetik und Sicherheitsrisiken besser vorherzusagen, das Design klinischer Studien zu verfeinern und die Entwicklungszyklen erheblich zu verkürzen.

Das AI4R-Team leitet die biomedizinische Forschung von Novartis (BR) und erforscht sowie wendet fortschrittliche KI- und ML-Methoden an, um neuartige Erkenntnisse zur Arzneimittelentdeckung zu generieren und die Effizienz der Arzneimittelentdeckung zu beschleunigen und zu verbessern, während der Fokus auf den Bedürfnissen der Patienten liegt.

AI4R arbeitet mit Teams zur Arzneimittelentdeckung zusammen, hebt das Niveau der KI-Expertise in der biomedizinischen Forschung (BR) und stellt sicher, dass die Wissenschaft der BR mit dem sich schnell entwickelnden Ökosystem der KI-Technologien Schritt hält, indem sie sich mit KI-Führern aus Wissenschaft und Industrie verbindet.

Dies ist eine Führungsrolle für die Gruppe AI Systems & Scale innerhalb von AI4R und wird mit starker technischer und projektbezogener Führung, kritischer Bewertung und spezialisierter Bereitstellung von Rechen-, Daten-, Modell-, Code- und agentischen Plattformen betraut, um die schnelle Ermöglichung und Annahme von KI-Ansätzen, Algorithmen, Modellen und Workflows zu maximieren und Auswirkungen auf wichtige Bereiche der biomedizinischen Forschung zu erzielen, die potenziell zu einer schnelleren Entwicklung besserer Medikamente führen.

Wesentliche Verantwortlichkeiten:

• Definieren und Leiten der mehrjährigen Roadmap für skalierbare KI-Systeme, Plattformen und agentische Architekturen in der Forschung.
• Leiten und Skalieren multidisziplinärer Teams, die produktionsreife KI-Systeme und intelligente Anwendungen liefern.
• Einrichten von Referenzarchitekturen für agentische Systeme, einschließlich Orchestrierung, Abruf, Speicher und Mensch-in-der-Schleife-Kontrollen.
• Aufbauen und Standardisieren von unternehmensweiten agentischen Plattformen mit wiederverwendbaren Komponenten, Workflows und Bewertungsrahmen.
• Definieren und Durchsetzen von Standards für maschinelles Lernen und große Sprachmodelloperationen in der Entwicklung von KI-Systemen.
• Verantwortung für die Qualität und Sicherheit von Agenten, einschließlich Schutzvorrichtungen, Durchsetzung von Richtlinien und Mechanismen zur Fehlererkennung.
• Vorantreiben skalierbarer Bereitstellungsstrategien, um Leistung, Zuverlässigkeit, Kosteneffizienz und Multi-Tenant-Architektur sicherzustellen.
• Definieren von Leistungskennzahlen, die die Systemeffektivität mit wissenschaftlichen Ergebnissen verknüpfen, einschließlich Genauigkeit, Robustheit und Effizienz.
• Zusammenarbeit mit Daten-, Sicherheits- und Plattformteams, um Governance, Compliance und verantwortungsbewusste Datennutzung sicherzustellen.
• Fördern der bereichsübergreifenden Zusammenarbeit und des Portfoliomanagements zur Priorisierung hochwirksamer KI-Systeminitiativen und zur Reduzierung von Duplikationen.

Erforderliche Qualifikationen:

• Nachgewiesene Erfahrung in der Leitung von Initiativen zur Entwicklung von maschinellen Lernfähigkeiten in mehreren Bereichen der Arzneimittelentdeckung und Teams.
• Starke Erfahrung in der Anwendung von maschinellem Lernen in funktionalen Bereichen wie computergestützter Chemie oder Proteinmodellierung.
• Nachgewiesene Expertise im Training großer Modelle, einschließlich Hochleistungsrechnen, Cloud-Umgebungen und verteilten Systemen.
• Tiefe Neugier und Leidenschaft für biomedizinische Wissenschaften und therapeutische Entdeckung.
• Starke Fähigkeit, komplexe Konzepte des maschinellen Lernens klar sowohl technischen als auch nicht-technischen Stakeholdern zu erklären.
• Mindestens 10 Jahre Erfahrung in Innovation, Entwicklung, Bereitstellung und Unterstützung von Lösungen für maschinelles Lernen.
• Starke Programmierkenntnisse in Python und tiefen Lernframeworks, mit Erfahrung in der Verwendung von Versionskontrollsystemen.
• Nachgewiesene Fähigkeit, Komplexität zu managen, Stakeholder auszurichten und Ergebnisse in matrixartigen Umgebungen zu liefern.

Wünschenswerte Qualifikationen:

• Erfahrung im Aufbau von unternehmensweiten agentischen Plattformen mit Orchestrierung, Speicher- und Abrufsystemen.
• Expertise in den Abläufen des maschinellen Lernens und der Bereitstellung großer Modelle mit Überwachung und Drift-Erkennung.

Engagement für Vielfalt und Inklusion: Novartis setzt sich für den Aufbau eines herausragenden, integrativen Arbeitsumfelds und vielfältiger Teams ein, die die Patienten und Gemeinschaften, die wir bedienen, repräsentieren.

Zugänglichkeit und Unterbringung: Novartis verpflichtet sich, mit allen Personen zusammenzuarbeiten und angemessene Unterkünfte anzubieten. Wenn Sie aufgrund einer medizinischen Erkrankung oder Behinderung eine angemessene Unterkunft für einen Teil des Rekrutierungsprozesses benötigen oder detailliertere Informationen über die wesentlichen Funktionen einer Position erhalten möchten, teilen Sie bitte die Art Ihrer Anfrage zusammen mit Ihren Kontaktdaten mit. Bitte geben Sie die Stellenanforderungsnummer in Ihrer Nachricht an.

Warum Novartis: Menschen mit Krankheiten und deren Familien zu helfen, erfordert mehr als innovative Wissenschaft. Es braucht eine Gemeinschaft von klugen, leidenschaftlichen Menschen wie Ihnen. Zusammenarbeiten, unterstützen und inspirieren wir uns gegenseitig. Gemeinsam erreichen wir Durchbrüche, die das Leben der Patienten verändern. Bereit, gemeinsam eine bessere Zukunft zu schaffen?