(Senior) Data Scientist – Applied AI (m/w/d) Healthcare (Graz, Linz oder Wien)

DaphOS.ai; Linz am Rhein; Hybrid; EUR 47,000 - 56,000; Full time

Benefits offered by this job

Hybrid-Arbeit

Angemessenes Gehalt (IT-KV)

Job summary

Die DaphOS.ai sucht eine/n Data Scientist/ML-Engineer, der LLM-basierte Features für eine B2B-Healthcare-Plattform entwickelt. Du bist an der Schnittstelle von Data Science und Engineering tätig und verantwortest den Einsatz von Modellen, Optimierung und Prototyping für die Klinikpraxis.

Du arbeitest an Forschungsprojekten mit, integrierst Modelle über REST-APIs in die Produktplattform und berücksichtigst Datenschutz sowie Kosten-/Latenz-Anforderungen.

Qualifications

• Du hast ein naturwissenschaftliches oder technisches Studium oder vergleichbare nachgewiesene Erfahrung in Data Science, ML oder AI.
• Du bringst ca. 5 Jahre Berufserfahrung in Data Science/ML mit, inklusive praktischer Erfahrung mit LLM-Anwendungen.
• Du programmierst sicher in Python und integrierst Modelle in Backend-Systeme (z. B. mit FastAPI, Docker, CI/CD).

Responsibilities

• Du konzipierst und entwickelst LLM-basierte Features, z. B. Retrieval-Augmented Generation, Informationsextraktion aus strukturierten/unstrukturierten Daten oder agentische Workflows.
• Du entwickelst und evaluierst LLM-Anwendungen für Langzeitpflege im Rahmen eines Forschungsprojekts.
• Du arbeitest eng mit Forschungspartnern und Anwendern aus der klinischen Praxis zusammen und überführst Ergebnisse ins Produkt.

Skills

Python

LLM

RAG

Informationsextraktion

Modell-Integration

REST-APIs

Monitoring

Education

Naturwissenschaftliches/technisches Studium

Tools

FastAPI

Docker

CI/CD

Job description

Tätigkeitsbeschreibung

Healthcare trifft KI: Modelle, die im Krankenhausalltag wirklich ankommen.

Bei DaphOS entwickelst du KI-Funktionen für eine B2B-Healthcare-Plattform, mit der Krankenhäuser ihre Prozesse und ihren Personalbedarf schneller und fundierter planen und steuern. Im Mittelpunkt deiner Arbeit stehen klassische Machine Learning Methoden, probabilistische Modellierung sowie mathematische Optimierung. Ein erster Schwerpunkt liegt außerdem auf der Anwendung von Large Language Models in strategischen Zukunftsthemen: Du erkundest neue Einsatzfelder, baust belastbare Prototypen und findest gemeinsam mit uns heraus, welche Ansätze echten Mehrwert für Klinik und Pflege bringen.Dabei bewegst du dich an der Schnittstelle von Data Science und Engineering und prägst die KI-Ausrichtung unseres Produkts mit. Zusätzlich arbeitest du in einem laufenden Forschungsprojekt mit, in dem wir LLM-Anwendungen für die Langzeit-Pflege entwickeln und erproben. So verbindest du angewandte Forschung direkt mit der Produktentwicklung.

Deine Aufgaben

• Du konzipierst und entwickelst LLM-basierte Features, etwa Retrieval-Augmented Generation, Informationsextraktion aus strukturierten und unstrukturierten Daten oder agentische Workflows.
• Im Rahmen eines laufenden Forschungsprojekts entwickelst und evaluierst du LLM-Anwendungen für Langzeitpflege.
• Du arbeitest dabei eng mit Forschungspartnern und Anwender:innen aus der klinischen Praxis zusammen und überführst vielversprechende Ergebnisse ins Produkt.
• Du baust belastbare Evaluierungen für LLM-Anwendungen auf (Testsets, Metriken, Fehleranalyse) und entscheidest datenbasiert über Modelle, Prompts und Architekturen.
• Du integrierst gemeinsam mit dem Backend-Team Modelle über saubere Schnittstellen (z. b. REST-APIs in Python) in unsere Plattform und sorgst für Monitoring im Produktivbetrieb.
• Du wählst geeignete Modelle aus (kommerzielle APIs und Open-Weight-Modelle) und berücksichtigst dabei Qualität, Kosten, Latenz und Datenschutz.
• Du arbeitest an Prognose- und Optimierungsmodellen mit, etwa für Patientenströme und Personalplanung.
• Du entwickelst Features zusammen mit unserenBackend- und Frontend-Engineers sowie Product Management und bringst deine Expertise aktiv in die Weiterentwicklung unserer KI-Strategie ein.

Dein Profil

• Du hast ein naturwissenschaftliches oder technisches Studium (Physik, Mathematik, Informatik, Statistik o. ä.) oder vergleichbare nachgewiesene Erfahrung in Data Science, ML oder AI.
• Du bringst ab ca. 5 Jahre professionelle Erfahrungin Data Science oder Machine Learning mit, davon nachweislich praktische Erfahrung mit LLM-Anwendungen.
• Du programmierst sicher in Python und hast Modelle bereits selbst in Backend-Systeme integriert (z. b. mit FastAPI, Docker, CI/CD).
• Du gehst methodisch an Evaluierung heran und kannst die Grenzen von Modellen klar einschätzen und kommunizieren.
• Du sprichst Deutsch und/oder Englisch mindestens auf C1-Niveau.
  
• Plus: Du hast Open-Weight-Modelle (z. b. vLLM, Ollama) betrieben oder Erfahrung mit Fine-Tuning.
• Plus: Du kennst Daten aus dem Gesundheitswesen (z. b. HL7/FHIR) oder Regulatorik wie DSGVO und EU AI Act.
• Klares Plus: Du hast schon eigenständig klassische ML-Modelle, Zeitreihenprognosen oder Optimierungsmodelle entwickelt.
• Weiteres Plus: Du hast Forschungserfahrung (Promotion, Publikationen oder geförderte Projekte) und arbeitest gern mit Partnern aus Wissenschaft und klinischer Praxis zusammen.

Du findest bei uns

• Attraktives Gehalt, angemessen nach Qualifikation, Erfahrung und IT-KV (38,5 Std./Woche)
• Flexibles Arbeitsmodell (hybrid) - die Stelle kann in Graz, Wien oder Linz angetreten werden, vorzugsweise in Graz – und du kannst bis zu 2 Tage pro Woche von zu Hause arbeiten (aus Österreich)
• Die Möglichkeit, an angewandter Forschung mitzuwirken und die Ergebnisse direkt in den Klinik- und Pflegealltag zu bringen
• Ein Umfeld, in dem du vom ersten Tag an etwas bewegen kannst – keine langen Anlaufzeiten
• Kurze Entscheidungswege und direkter Einfluss auf die KI-Ausrichtung des Produkts
• Viele Möglichkeiten zur fachlichen und persönlichen Weiterentwicklung, vor allem an der Schnittstelle von Data Science und Engineering
• Ausgezeichnetes Arbeitsklima und regelmäßige Teamevents
  Die Einstufung erfolgt nach IT-KV in ST2 Regelstufe ab 4.611 € brutto/Monat (Basis 38,5 Std./Woche). Wo du genau liegst, finden wir im Gespräch heraus. Wir überzahlen abhängig von Qualifikation und Erfahrung.