Produktions-ML mit realen klinischen Dokumentationsdaten aus der UKE-Kooperation.


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) und in weiteren Universitätskliniken, Klinikgruppen und Praxen in Deutschland.

Wir entwickeln zwei Kernprodukte. ORPHEUS ist KI-Spracherkennung und Ambient-Dokumentation für die medizinische Dokumentation, ARGO eine Plattform für die klinische Dokumentation auf FHIR-Basis. 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 arbeitest mit realen klinischen Dokumentationsdaten aus der Entwicklungskooperation mit dem UKE, 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. Perspektivisch entwickeln wir Werkzeuge zur klinischen Entscheidungsunterstützung. Unser FHIR-Agent (ICML 2026) ist der erste Forschungsschritt dorthin, die klinische Letztentscheidung bleibt beim Behandlungsteam.

Was dich erwartet

Klinische NLP-Modelle entwickeln und deployen: ML-Modelle für medizinische Textanalyse und klinische Dokumentation auf Basis realer klinischer Dokumentationsdaten 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

Arbeit mit realen klinischen Dokumentationsdaten aus der Entwicklungskooperation mit dem UKE, 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

AI/ML Engineer, Clinical AI