AI/ML Engineer, Clinical AI

IDM; Hamburg; Hybrid; EUR 75.000 - 100.000; Vollzeit

Benefits dieser Stelle

Direct access to clinical data

Hybrid work Hamburg-Eppendorf

Fortbildungsbudget & Konferenzteilnah

Zusammenfassung

IDM gGmbH in Hamburg-Eppendorf sucht einen Senior AI/ML Engineer, der klinische Echtdaten für NLP-Modelle nutzt. Du trägst Verantwortung für Forschung, Deployment und Monitoring im Produktivbetrieb.

Du leitest Research-Initiativen, publizierst und baust ein Research-Team auf, während du ML-Lifecycle-Tools wie MLflow, Docker und Kubernetes einsetzt. Hybrides Arbeiten, enge Verzahnung mit UKE und klinischer Praxis erwarten dich.

Qualifikationen

• 3+ Jahre hands-on ML/AI mit Fokus NLP
• Fundierte Python-Kenntnisse und großes ML-Framework (PyTorch stark bevorzugt)
• Erfahrung mit HuggingFace-Ökosystem (Transformers, Datasets, Tokenizers)
• Kenntnisse moderner NLP-Architekturen (Transformer, LLMs)
• Erfahrung mit MLOps-Tools (MLflow, Docker, CI/CD für ML)
• Fundierte Software-Engineering-Grundlagen (Git, Testing, Code-Reviews)
• Fähigkeit, eigenständig zu arbeiten und Projekte von Idee bis Deployment zu tragen

Aufgaben

• Entwickeln und Deployen von Clinical-NLP-Modellen für medizinische Dokumentation und Entscheidungsunterstützung
• End-to-End-ML-Lifecycle: Datenaufbereitung, Training, Evaluation, Deployment, Monitoring
• Führen von Research-Initiativen und Kooperationen mit Universitäten und Kliniken
• Aufbau und Mentoring eines Research-Teams
• Weiterentwicklung von ML-Operations-Workflows (MLflow, Weights & Biases, Docker, Kubernetes)
• Optimieren von Modellen für Latenz, Skalierbarkeit und Ressourcenverbrauch im Klinikbetrieb
• Sicherstellen von Datenqualität, Compliance und Anonymisierung

Kenntnisse

NLP-Experiences

Python

Research-Leadership

Independent work

Ausbildung

Promotion/Master in Informatik oder verwandte

Tools

PyTorch

HuggingFace

MLflow

Docker

Kubernetes

GitLab CI

Jobbeschreibung

Zurück zu allen Stellen

Engineering·Hamburg

• hybrid·Vollzeit

AI/ML Engineer, Clinical AI

Produktions-ML mit klinischen Echtdaten. Direktzugriff am UKE.

Vergütung: 75.000–100.000 €

• je nach Berufserfahrung

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

Tech-Stack

• PythonPyTorchHuggingFaceMLflowKubernetesCUDA

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