AI/ML Engineer, Clinical AI
Produktions-ML mit klinischen Echtdaten. Direktzugriff am UKE.
Direkt bewerben
Die Bewerbung läuft über unser Recruiting-Portal. Wir sichten jede Bewerbung persönlich.
Tech-Stack
| Standort | Hamburg, Deutschland |
| Anstellung | Vollzeit |
| Berichtet an | CTO / AI Research Lead |
| Start | Ab sofort |
Über IDM
Die IDM gGmbH ist ein gemeinnütziges Health-Tech-Unternehmen und entwickelt KI-Produkte für den klinischen Alltag. Unsere Technologie läuft am Universitätsklinikum Hamburg-Eppendorf (UKE) – einer der führenden Universitätskliniken Europas – und in weiteren Klinikverbünden in Deutschland.
Unsere Kernprodukte: ORPHEUS, eine Clinical-NLP-Plattform für die medizinische Dokumentation, und ARGO, ein integrierter klinischer Arbeitsplatz. Wir arbeiten an der Schnittstelle von aktueller Machine-Learning-Forschung und realem Klinikbetrieb – keine Prototypen, sondern Systeme, die Ärztinnen und Ärzte täglich nutzen.
Die Rolle
Als Senior AI/ML Engineer verantwortest du den gesamten Machine-Learning-Lifecycle für klinische KI-Modelle – von Forschung und Experimenten über Deployment bis Monitoring im Produktivbetrieb. Du bekommst direkten Zugriff auf klinische Echtdaten am UKE Hamburg – eine Rarität im ML-Feld.
Die Rolle verbindet Hands-on-Engineering mit Forschungsleitung. Du prägst unsere Research-Agenda, trägst zu klinischen Studien bei, publizierst auf Top-Venues und baust ein Research-Team mit auf – und sorgst gleichzeitig dafür, dass deine Modelle in der Patientenversorgung ankommen.
Was dich erwartet
- Clinical-NLP-Modelle entwickeln und deployen: ML-Modelle für medizinische Dokumentation, klinische Entscheidungsunterstützung und medizinische Textanalyse auf Basis echter Klinikdaten entwerfen, trainieren und optimieren.
- ML-Lifecycle verantworten: End-to-End-Pipelines aufbauen und betreiben – Datenaufbereitung, Training, Evaluation, Deployment, Monitoring im produktiven Klinikumfeld.
- Research-Initiativen leiten: Klinische KI-Studien gemeinsam mit den Universitätskliniken in unserem Netzwerk vorantreiben, Publikationen beitragen und beim Einwerben von Forschungsförderung mitwirken (Drittmittel, EU-Programme).
- Research-Team aufbauen: Studierende mentoren, wissenschaftliche Hilfskräfte betreuen und die KI-Forschung bei IDM mitgestalten.
- MLOps weiterentwickeln: Model-Versionierung, automatisierte Trainings-Pipelines, Experiment-Tracking (MLflow, W&B) und robuste Deployment-Workflows etablieren.
- Für den klinischen Einsatz optimieren: Modellarchitekturen auf Latenz, Skalierbarkeit und Ressourceneffizienz im Echtzeit-Klinikbetrieb zuschneiden.
- Datenqualität und Compliance: Strategien für Datenaufbereitung, Anonymisierung und Harmonisierung über heterogene Klinikdaten (Text, Bildgebung, Zeitreihen, Genomik) entwickeln.
Was wir suchen
Das bringst du mit
- 3+ Jahre Hands-on-Erfahrung in ML/AI mit klarem Fokus auf NLP
- Tiefe Python-Kenntnisse und mindestens ein großes ML-Framework (PyTorch stark bevorzugt, TensorFlow ok)
- Erfahrung mit dem HuggingFace-Ökosystem (Transformers, Datasets, Tokenizers)
- Solides Verständnis moderner NLP-Architekturen (Transformer, LLMs, Encoder-/Decoder-Modelle)
- Erfahrung mit MLOps-Tools und -Praktiken (MLflow, Docker, CI/CD für ML)
- Starke Software-Engineering-Grundlagen (Git, Testing, Code-Reviews, Dokumentation)
- Die Fähigkeit, eigenständig zu arbeiten und Projekte von der Idee bis zum Deployment zu tragen
Starkes Plus
- Publikationen auf Top-ML/NLP-Konferenzen (NeurIPS, ICML, ACL, EMNLP, NAACL) oder in medizinischen KI-Journals
- Erfahrung mit klinischen/medizinischen Daten oder Healthcare-KI
- Deutschkenntnisse (nicht erforderlich, aber hilfreich für die klinische Zusammenarbeit)
- Promotion oder Master in Informatik, Machine Learning, Computerlinguistik oder verwandt
Tech-Stack
- Core-ML: Python, PyTorch, HuggingFace Transformers, scikit-learn, spaCy
- MLOps: MLflow, Weights & Biases, Docker, Kubernetes, GitLab CI
- Infrastruktur: PostgreSQL, S3, Helm, Grafana, Prometheus
- Compute: CUDA, GPU-Cluster (STACKIT Cloud)
Was wir bieten
- Direkter Zugriff auf klinische Echtdaten – eine Rarität im ML-Feld
- Freiheit, die Research-Agenda mitzugestalten und Arbeiten zu publizieren
- Eine gemeinnützige Mission: bessere Gesundheitsversorgung, keine Werbeerlöse
- Kleines Senior-Team, in dem deine Beiträge unmittelbar Wirkung haben
- Hybrides Arbeitsmodell, Büro in Hamburg-Eppendorf (direkt neben dem UKE)
- Flexible Arbeitszeiten und eine offene, kollaborative Kultur
- Fortbildungsbudget und Konferenzteilnahmen
Klingt nach dir?
Schick uns deinen Lebenslauf und alles, was du sonst zeigen willst. Wir melden uns.