Product AI Engineer

IDM Innovative Digitale Medizin gGmbH; Hamburg; Híbrido; EUR 75.000 - 100.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Hybrides Arbeitsmodell

Fortbildungsbudget

Konferenzteilnahmen

Büro in Hamburg-Eppendorf

Descripción de la vacante

IDM Innovative Digitale Medizin gGmbH sucht einen Product AI Engineer in Hamburg. Sie verantworten den ML-Lifecycle von Forschung bis Deployment und arbeiten an echten klinischen Dokumentationsdaten aus UKE-Kooperationen. Die Rolle vereint Hands-on-Engineering mit Forschungsleitung.

Wir bieten ein hybrides Arbeitsmodell, ein kleines Senior-Team und die Möglichkeit, Forschungsagenda mitzudesigner, Publikationen zu verfassen und an zukunftsweisenden KI-Lösungen im Gesundheitswesen zu arbeiten.

Formación

• 3+ Jahre Hands-on-Erfahrung in ML/AI mit Fokus auf NLP.
• Fundierte Python-Kenntnisse und gängige ML-Frameworks (PyTorch) eingesetzt.
• Erfahrung mit HuggingFace-Ökosystem und MLops-Praktiken.
• Kompetenz in modernen NLP-Architekturen (Transformer, LLMs).
• Software-Engineering-Grundlagen (Git, Tests, Dokumentation).

Responsabilidades

• End-to-End ML-Lifecycle von Forschung bis Deployment im Produktivbetrieb.
• Research-Initiativen und Zusammenarbeit mit Kliniken, Publikationen.
• Mentoring von Studierenden und Aufbau eines Research-Teams.
• Verbesserung von Modellen für klinische Dokumentation und Echtzeitbetrieb.

Conocimientos

NLP

Python

PyTorch

HuggingFace

MLflow

Docker

Kubernetes

CI/CD für ML

Git

Team-Mentoring

CUDA

Educación

Master in Informatik / ML

Promotion von Vorteil

Herramientas

Weights & Biases

Descripción del empleo

Engineering·Hamburg

Product AI Engineer

• hybrid·Vollzeit

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

Vergütung: 75.000–100.000 €

• je nach Berufserfahrung

Tech-Stack

• Python
• PyTorch
• HuggingFace
• MLflow
• Kubernetes
• CUDA

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 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