Full-Stack AI Engineer (Computer Vision & Back-end Focus)

StellDirVor ist ein unabhängiges Beratungs-, Handels- und Technologieunternehmen, das sich auf immersive Technologien im Gesundheitswesen spezialisiert hat. Wir unterstützen Organisationen bei der Implementierung digitaler Innovationen — Virtuelle, Erweiterte und Gemischte Realität sowie KI — insbesondere für Lernen, Training und Echtzeithilfe in klinischen und Pflegeumgebungen. Durch die Kombination von Technologie und Gesundheitswesen helfen wir, Prozesse zu optimieren, den Wissenstransfer zu verbessern und die Qualität der Pflege zu erhöhen.

Unterstützt durch einen deutschen (ZIM) und taiwanesischen (GIPIP) Partnerschaftszuschuss entwickeln wir derzeit ARAIAS — ein AR- und KI-basiertes, freihändiges Trainings- und Unterstützungssystem für die chronische Wundversorgung. Mit AR-Smart-Brillen ermöglicht das System die 3D-Wundaufnahme, KI-gestützte Analyse und standardisierte Fernexpertise sowie Dokumentation direkt am Ort der Pflege. ARAIAS führt zu einem neuen Ansatz für praktisches, sicheres und evidenzbasiertes Lernen und Training in klinischen Umgebungen, mit dem langfristigen Ziel, die Arbeitsbelastung für Fachkräfte im Gesundheitswesen zu reduzieren und die Ergebnisse der Pflege zu verbessern.

Wir befinden uns in einer frühen und spannenden Phase — vom Konzept zum funktionierenden Prototyp. Der kurzfristige Fokus liegt auf der Validierung der KI-Modelle, dem Aufbau der technischen Grundlagen und dem Streben nach einem Proof of Concept, den wir in realen Bildungs- und klinischen Umgebungen testen können. Mit dem Fortschritt des Projekts wird sich die Arbeit natürlich von Experimentierung und Prototyping in eine strukturiertere Entwicklung und Produktionsreife weiterentwickeln.

Aufgaben

• Entwurf und Aufbau von KI-Modellen zur Wundanalyse — von Architekturentscheidungen über Evaluierung und Iteration, mit dem Fokus auf zuverlässige, klinisch relevante Ergebnisse.
• Anwendung von Computer Vision-Techniken — Objekterkennung, Segmentierung, Tiefenschätzung oder 3D-Rekonstruktion — auf reale medizinische Bildgebungsherausforderungen.
• Bearbeitung der Vor- und Nachverarbeitung von Multisensor-Bilddaten — einschließlich 2D-Bildern, Tiefenkarten und anderen Sensoreingaben.
• Entwurf und Aufbau von REST-APIs und Cloud-Infrastruktur, die alle Systemkomponenten verbinden und unterstützen.
• Prototyping der Hardware-Software-Integration — Schnittstelle mit Smartglass-SDKs und Sensor-APIs, um Datenaufnahme-Pipelines vom Gerät zum Backend zu etablieren.
• Integration von KI-Modellen in Anwendungsschichten — Inferenzendpunkte, Modellbereitstellung, Versionierung und Leistungsüberwachung.
• Pragmatische Architekturentscheidungen treffen, die für die aktuelle Prototyping-Phase angemessen sind.
• Einrichtung von CI/CD, Containerisierung und grundlegender Beobachtbarkeit, um das Team schnell voranzubringen.
• Unterstützung der Integrationspunkte zwischen der Backend-/AI-Schicht und dem Unity-basierten Frontend (wünschenswert).

Anforderungen

• Praktische Erfahrung mit Computer Vision — Bildsegmentierung, Objekterkennung und Klassifizierung.
• Erfahrung im Entwerfen und Anpassen von Modellarchitekturen — über grundlegendes Fine-Tuning hinaus, um informierte Entscheidungen über Modellstruktur, Verlustfunktionen und Trainingsstrategien zu treffen.
• Fähigkeit, Modelloutputs kritisch zu bewerten — nicht nur Metriken, sondern auch zu verstehen, was die Ergebnisse im Kontext bedeuten.
• Backend-Engineering-Kompetenz — REST-API-Design mit Python als primäre Sprache.
• Erfahrung mit Cloud-Plattformen (AWS / GCP / Azure).
• Komfort im Umgang mit Hardware-SDKs und APIs sowie die Fähigkeit, technische Dokumentationen und Integrationsleitfäden selbstständig zu navigieren, um Datenflüsse vom Gerät zum Server zu etablieren.
• Vertrautheit mit Docker und grundlegenden CI/CD-Pipelines.
• Vertrautheit mit ML-Tools: PyTorch oder TensorFlow.
• Fließend in Englisch, Deutsch ist ein Plus.

Starker Plus

• Datenbankerfahrung — PostgreSQL, NoSQL, Objektspeicher (S3 / GCS).
• Unity-Erfahrung oder Vertrautheit mit Unity-Integrationsmustern.
• Vertrautheit mit semi-supervised learning — Nutzung begrenzter oder teilweise gekennzeichneter Daten, relevant, wenn annotierte Wundbilddaten knapp sind.
• Erfahrung mit 3D-Datenvorverarbeitung und -nachverarbeitung — Tiefenkartenbearbeitung, Punktwolkenreinigung, Mesh-Rekonstruktion oder ähnliches.
• Vertrautheit mit der Integration von Hardware-SDKs — Erfahrung in der Schnittstelle mit Smart-Brillen, Tiefensensoren oder ähnlicher Hardware zur Extraktion und Übertragung von Sensordaten.
• Exposition gegenüber multimodalem Lernen — Kombination von RGB- und Tiefen- oder LiDAR-Daten in einheitliche Modellinputs.

Vorteile

• Bedeutsame Arbeit — Sie helfen mit, wie Technologie Bildung und Training im Gesundheitswesen neu definiert, mit echtem Einfluss auf klinische Ergebnisse.
• Eigenverantwortung und kreative Freiheit — Sie arbeiten autonom, tragen Ihre Ideen direkt bei und haben ein echtes Mitspracherecht bei der Gestaltung des Systems.
• Eine Lernkultur — Wir unterstützen persönliches und berufliches Wachstum durch Wissensaustausch, Zugang zu innovativen Werkzeugen und Methoden sowie ein festgelegtes Lernbudget.
• Flexible Arbeitsweise — Remote-freundliche Einrichtung mit der Option, von unserem Büro in München aus zu arbeiten.
• Flache Hierarchien und Teamgeist — Ein kleines, offenes und vertrauensbasiertes Team, in dem die Kommunikation direkt ist und jede Stimme zählt.
• Internationale Zusammenarbeit — Arbeiten Sie mit einem Partner aus Taiwan zusammen, der Technologie, Hardware und Forschung abdeckt.

Hinweis: Aufgrund der Natur des Projekts können wir nur Kandidaten berücksichtigen, die bereits in Deutschland wohnen. Wir können nur auf Kandidaten antworten, die für eine weitere Berücksichtigung ausgewählt wurden. Wenn Sie innerhalb von vier Wochen nach Ihrer Bewerbung nichts von uns gehört haben, betrachten Sie Ihre Bewerbung bitte als nicht erfolgreich.