Engineering·Hamburg · hybrid·Vollzeit

Product AI Engineer

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

Vergütung: 75.000–100.000 € · je nach Berufserfahrung

Direkt bewerben

Die Bewerbung läuft über unser Recruiting-Portal. Wir sichten jede Bewerbung persönlich.

Jetzt bewerben →

Tech-Stack

PythonPyTorchHuggingFaceMLflowKubernetesCUDA
StandortHamburg, Deutschland
AnstellungVollzeit
Berichtet anCTO / AI Research Lead
StartAb 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 Product AI 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: Klinische KI-Studien gemeinsam mit den Universitätskliniken in unserem Netzwerk vorantreiben, Publikationen beitragen und beim Einwerben von Forschungsförderung mitwirken (Drittmittel, EU-Programme).
  • Research-Team: 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

Warum IDM

Gemeinnützig

IDM ist gemeinnützig. Kein Venture Capital, kein Exit-Druck, keine Gewinnausschüttung. Erträge fließen in die Weiterentwicklung.

Eigene Modelle, eigene GPUs

Eigene KI-Modelle, entwickelt und betrieben in Deutschland. Vom Modell bis zur Recheninfrastruktur entwickeln und betreiben wir alles selbst.

Wand an Wand mit Ärztinnen und Ärzten

Unsere Entwickler sitzen Wand an Wand mit Ärztinnen und Ärzten, die unsere Systeme nutzen. Anwender:innen und Entwickler:innen tauschen sich täglich aus.

Veröffentlichte Forschung

Unsere Arbeit zu FHIR-Agents wurde auf der ICML 2026 angenommen. Wie wir ORPHEUS auf den öffentlichen Datensätzen MedTerm und MedDictate gemessen haben, steht mit Methode im technischen Bericht.

Beitrag zur ICML 2026Technischer Bericht

Klingt nach dir?

Schick uns deinen Lebenslauf und alles, was du sonst zeigen willst. Wir melden uns.