Wissenschaftlicher Angestellter als Informatiker / Computer Scientist (m/w/d)

Die Stelle als Informatiker*in / Computer Scientist ist in einem interdisziplinären Team aus Ärztinnen, Angehörigen der Gesundheitsberufe, Informatikerinnen, Data Scientist sowie Wissenschaftler*innen aus Gesundheitsökonomie, Recht/Datenschutz und Ethik angesiedelt. Übergeordnetes Ziel ist die wissenschaftlich fundierte Entwicklung, Evaluation und Integration digitaler und KI-gestützter Anwendungen in medizinische Versorgungsprozess.

Das Tätigkeitsfeld umfasst:

• Konzeption, Durchführung und wissenschaftliche Auswertung von Forschungs- und Entwicklungsprojekten an der Schnittstelle von Informatik, Digitale Medizin/Künstlicher Intelligenz und klinischer Versorgung
• Konzeption und Umsetzung daten- und KI-basierter Softwaresysteme und Software-as-a-Medical-Device-Lösungen (SaMD) einschließlich Frontend, Backend bzw. ML-Komponenten, Software- und Systemarchitektur sowie Infrastructure-as-Code-Ansätzen
• Integration und Evaluation digitaler und KI-basierter Anwendungen und Medizinprodukte in klinische Behandlungsabläufe sowie Entwicklung interaktiver Dashboards und Reporting-Anwendungen in enger Zusammenarbeit mit klinischen Anwender*innen
• Anwendung von Verfahren des Machine Learning, Natural Language Processing (NLP) und Knowledge Discovery zur Analyse strukturierter und unstrukturierter klinischer und medizinischer Datenquellen
• Extraktion, Strukturierung und Synthese medizinischen Wissens aus unstrukturierten Textkorpora sowie wissenschaftliche Entwicklung evidenzbasierter und SOP/leitliniengestützter KI-Systeme für den klinischen Einsatz
• Anpassung und Entwicklung von Retrieval-Augmented-Generation-Systemen (RAG) für die medizinische Entscheidungsunterstützung einschließlich Retrieval-Pipelines, Embedding-Verfahren, Vector-Datenbanken und Integration von Large Language Models

Wir wenden uns an Bewerber*innen mit:

• Abgeschlossenem wissenschaftlichem Hochschulstudium (Master, Diplom oder vergleichbar), z. B. in Computer Science, Informatik, medizinischer Informatik oder einer verwandten quantitativen Fachrichtung
• Fundierten Kenntnissen in Statistik, Machine Learning und der methodisch sauberen Evaluation prädiktiver Modelle; nachweisliche Erfahrung in der Analyse medizinischer Daten
• Sehr guten Programmierkenntnissen in Python und R und praktischer Erfahrung mit einschlägigen Bibliotheken und Frameworks (z. B. pandas, NumPy, scikit-learn, XGBoost oder LightGBM; Kenntnisse in PyTorch oder TensorFlow)
• Kenntnissen in Explainable AI und nachvollziehbaren Aufbereitung von Analyseergebnissen
• Erfahrung mit LLMs, RAG und der strukturierten Verarbeitung medizinischer Leitlinien; Erfahrung mit API-basierter Bereitstellung von Modellen oder Services
• Ausgeprägter wissenschaftlicher Arbeitsweise, hohem Qualitätsbewusstsein sowie Erfahrung an der Erstellung reproduzierbarer Analysen und wissenschaftlicher Publikationen
• Sehr guter Kommunikations- und Teamfähigkeit in einem interdisziplinären Umfeld sowie sicherer Kommunikation in deutscher und englischer Sprache

Wir bieten Ihnen:

• Eine wissenschaftlich anspruchsvolle Tätigkeit an der Schnittstelle von Digitaler Medizin, Computer Science und klinischer Versorgung mit unmittelbarem Anwendungsbezug mit dem klinischen Schwerpunkt Digitale Notaufnahme und Digitale Anästhesie
• Mitarbeit in einem interdisziplinären Team aus Medizin, Gesundheitsberufen, Informatik, Gesundheitsökonomie, Recht/Datenschutz und Ethik
• Gestaltungsspielraum bei der Konzeption, methodischen Ausgestaltung und Evaluation digitaler und KI-gestützter Anwendungen für reale medizinische Versorgungsprozesse
• Die Möglichkeit, eigene wissenschaftliche Schwerpunkte einzubringen, Ergebnisse zu publizieren und an der Weiterentwicklung evidenzbasierter digitaler Medizin mitzuwirken
• Ein vielseitiges Methodenspektrum von Statistik und klassischem Machine Learning über Explainable AI bis hin zu LLM- und RAG-basierten Assistenzsystemen und Einsatz von LLMs und RAG zur strukturierten Verarbeitung medizinischer Leitlinien und Entwicklung quellengestützter klinischer Assistenzsysteme