<div class="show-more-less-html__markup show-more-less-html__markup--clamp-after-5 relative overflow-hidden"> ← Zurück zu allen Stellen<br/><br/>Engineering·Hamburg<br/><br/><ul><li> hybrid·Vollzeit<br/><br/></li></ul>AI/ML Engineer, Clinical AI<br/><br/>Produktions-ML mit klinischen Echtdaten. Direktzugriff am UKE.<br/><br/>Vergütung: 75.000–100.000 €<br/><br/><ul><li> je nach Berufserfahrung<br/><br/></li></ul>Direkt bewerben<br/><br/>Die Bewerbung läuft über unser Recruiting-Portal. Wir sichten jede Bewerbung persönlich.<br/><br/>Jetzt bewerben →<br/><br/>Tech-Stack<br/><br/>PythonPyTorchHuggingFaceMLflowKubernetesCUDA<br/><br/><strong>Standort</strong> Hamburg, Deutschland <strong>Anstellung</strong> Vollzeit <strong>Berichtet an</strong> CTO / AI Research Lead <strong>Start</strong> Ab sofort<br/><br/>Über IDM<br/><br/>Die IDM gGmbH ist ein gemeinnütziges Health-Tech-Unternehmen und entwickelt KI-Produkte für den klinischen Alltag. Unsere Technologie läuft am <strong>Universitätsklinikum Hamburg-Eppendorf (UKE)</strong> – einer der führenden Universitätskliniken Europas – und in weiteren Klinikverbünden in Deutschland.<br/><br/>Unsere Kernprodukte: <strong>ORPHEUS</strong>, eine Clinical-NLP-Plattform für die medizinische Dokumentation, und <strong>ARGO</strong>, 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.<br/><br/>Die Rolle<br/><br/>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 <strong>direkten Zugriff auf klinische Echtdaten</strong> am UKE Hamburg – eine Rarität im ML-Feld.<br/><br/>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.<br/><br/>Was dich erwartet<br/><br/><ul><li>Clinical-NLP-Modelle entwickeln und deployen: ML-Modelle für medizinische Dokumentation, klinische Entscheidungsunterstützung und medizinische Textanalyse auf Basis echter Klinikdaten entwerfen, trainieren und optimieren.</li><li>ML-Lifecycle verantworten: End-to-End-Pipelines aufbauen und betreiben – Datenaufbereitung, Training, Evaluation, Deployment, Monitoring im produktiven Klinikumfeld.</li><li>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).</li><li>Research-Team aufbauen: Studierende mentoren, wissenschaftliche Hilfskräfte betreuen und die KI-Forschung bei IDM mitgestalten.</li><li>MLOps weiterentwickeln: Model-Versionierung, automatisierte Trainings-Pipelines, Experiment-Tracking (MLflow, W&amp;B) und robuste Deployment-Workflows etablieren.</li><li>Für den klinischen Einsatz optimieren: Modellarchitekturen auf Latenz, Skalierbarkeit und Ressourceneffizienz im Echtzeit-Klinikbetrieb zuschneiden.</li><li>Datenqualität und Compliance: Strategien für Datenaufbereitung, Anonymisierung und Harmonisierung über heterogene Klinikdaten (Text, Bildgebung, Zeitreihen, Genomik) entwickeln.<br/><br/></li></ul>Was wir suchen<br/><br/>Das bringst du mit<br/><br/><ul><li>3+ Jahre Hands-on-Erfahrung in ML/AI mit klarem Fokus auf NLP</li><li>Tiefe Python-Kenntnisse und mindestens ein großes ML-Framework (PyTorch stark bevorzugt, TensorFlow ok)</li><li>Erfahrung mit dem HuggingFace-Ökosystem (Transformers, Datasets, Tokenizers)</li><li>Solides Verständnis moderner NLP-Architekturen (Transformer, LLMs, Encoder-/Decoder-Modelle)</li><li>Erfahrung mit MLOps-Tools und -Praktiken (MLflow, Docker, CI/CD für ML)</li><li>Starke Software-Engineering-Grundlagen (Git, Testing, Code-Reviews, Dokumentation)</li><li>Die Fähigkeit, eigenständig zu arbeiten und Projekte von der Idee bis zum Deployment zu tragen<br/><br/></li></ul>Starkes Plus<br/><br/><ul><li>Publikationen auf Top-ML/NLP-Konferenzen (NeurIPS, ICML, ACL, EMNLP, NAACL) oder in medizinischen KI-Journals</li><li>Erfahrung mit klinischen/medizinischen Daten oder Healthcare-KI</li><li>Deutschkenntnisse (nicht erforderlich, aber hilfreich für die klinische Zusammenarbeit)</li><li>Promotion oder Master in Informatik, Machine Learning, Computerlinguistik oder verwandt<br/><br/></li></ul>Tech-Stack<br/><br/><ul><li>Core-ML: Python, PyTorch, HuggingFace Transformers, scikit-learn, spaCy</li><li>MLOps: MLflow, Weights &amp; Biases, Docker, Kubernetes, GitLab CI</li><li>Infrastruktur: PostgreSQL, S3, Helm, Grafana, Prometheus</li><li>Compute: CUDA, GPU-Cluster (STACKIT Cloud)<br/><br/></li></ul>Was wir bieten<br/><br/><ul><li>Direkter Zugriff auf klinische Echtdaten – eine Rarität im ML-Feld</li><li>Freiheit, die Research-Agenda mitzugestalten und Arbeiten zu publizieren</li><li>Eine gemeinnützige Mission: bessere Gesundheitsversorgung, keine Werbeerlöse</li><li>Kleines Senior-Team, in dem deine Beiträge unmittelbar Wirkung haben</li><li>Hybrides Arbeitsmodell, Büro in Hamburg-Eppendorf (direkt neben dem UKE)</li><li>Flexible Arbeitszeiten und eine offene, kollaborative Kultur</li><li>Fortbildungsbudget und Konferenzteilnahmen<br/><br/></li></ul>Klingt nach dir?<br/><br/>Schick uns deinen Lebenslauf und alles, was du sonst zeigen willst. Wir melden uns.<br/><br/>Jetzt bewerben → </div>