Krankenhäuser für Patienten - ohne administrativen Overhead. Um diese Vision zu verwirklichen, übernehmen wir schon heute den kompletten Prozess der Fallabrechnung von unseren Krankenhauskunden. Hierfür arbeiten unsere internen Experten im strategischen und operativen Medizincontrolling Hand in Hand mit unserer KI-basierten Software. So gestaltet DAMEDIC die Krankenhausprozesse von morgen schon heute.
Es ist schwierig, medizinische Texte zu verstehen. Noch schwieriger ist es, Computern beizubringen, medizinische Daten zu verstehen. Als erfahrener Research Engineer integrierst du modernste Machine Learning und Deep Learning Verfahren mit ausgefeilten medizinischen Wissensrepräsentationen und verschiebst so die Grenzen des Machbaren. Dein Beitrag bei DAMEDIC wird den medizinischen Abrechnungsprozess revolutionieren - von einer mühsamen manuellen Aufgabe hin zu einem skalierbaren Serviceangebot, bei dem KI und menschliche Experten nahtlos zusammenarbeiten. Deine Rolle ist entscheidend für diesen Innovationssprung.
Ein Job, der etwas bewirkt: Mit deiner Arbeit hast du direkten Einfluss auf den Unternehmenserfolg. Und das heißt für unsere Krankenhaus-Kunden: Mehr Zeit für die Patienten - weniger Zeit für Verwaltungsaufgaben.
Nicht nur Rädchen im Getriebe: Wir lieben Verantwortung, Transparenz und Mitbestimmung! Deswegen setzen wir auf eine aktive Feedbackkultur und ermutigen autonome Entscheidungen.
Mit den Aufgaben wachsen: Wir lösen gerne schwierige Probleme. Dafür ermutigen wir den Einsatz neuer Technologien oder Methoden sowie einen aktiven Austausch über Teamgrenzen hinweg. So bleibst du stets auf dem neuesten Stand.
Arbeit darf auch Spaß machen: Team-Workshops mit LEGO, Brettspielabende oder ein Kanufahren auf dem Rhein. Wir leben den Teamgedanken.
Remote mit einem persönlichen Touch: Arbeite von wo du willst und zu flexiblen Arbeitszeiten, die zu deinem Team und dir passen. Wir übernehmen die Kosten für die Ausstattung im Home Office oder eine Mitgliedschaft im Co-Working Space. In regelmäßigen Abständen treffen wir uns alle persönlich zum Austausch und spannenden Team-Aktivitäten.
09:30 Uhr: Du startest hoch motiviert in den Tag: Dein nächtliches Modell-Training zeigt vielversprechende Ergebnisse.
10:00 Uhr: In der morgendlichen Besprechung teilst du deinen Erfolg. Das spontane Brainstorming mit dem Team führt zu vielen neuen Ideen, die du auf deine Agenda für den Nachmittag packst.
10:20 Uhr: Du analysierst die Ergebnisse deines Experiments sorgfältig und nimmst einige weitere Änderungen vor, um die Performance weiter zu verbessern.
12:00 Uhr: Du nimmst an einer Mittagsbesprechung mit dem Produktteam und medizinischen Experten teil. Gemeinsam wertet ihr das Feedback zu aktuellen Modellen aus und priorisiert zukünftige Verbesserungen.
13:30 Uhr: Nach dem Mittagessen setzt du deine fokussierte Arbeit fort und tauchst tiefer in die Daten und Algorithmen ein.
15:30 Uhr: Eine spannende Diskussion während deiner Kaffeepause erinnert dich an ein kürzlich veröffentlichtes, bahnbrechendes Paper. Du verabredest dich für eine Pair-Programming-Session morgen, um die Theorie in einen greifbaren Prototypen zu verwandeln.
17:15 Uhr: Du beendest den Tag, indem du deinen experimentellen Code von heute aufräumst und die Dokumentation aktualisiert. Du startest weitere Trainings-Runs, die über Nacht laufen werden und freust dich schon auf die Erkenntnisse, die sie morgen bringen werden.
Du hast eine nachgewiesene Erfolgsbilanz bei der Lösung komplexer Probleme im Bereich Machine Learning oder Deep Learning und Information Extraction und Retrieval (z. B. Question Answering, Entity Linking).
Du bist Innovationstreiber und blickst über den Status Quo hinaus. Du siehst Chancen statt Herausforderungen und entwirfst Algorithmen, die ungelöste Probleme lösen.
Du verfolgst einen schnellen iterativen Test- und Evaluierungsansatz.
Du bist ein Teamplayer, der zusammenarbeitet, Wissen teilt, Anerkennung zollt und Feedback annimmt und gibt.
Anforderungen:
Erfahrung in der Lösung komplexer Probleme mithilfe von maschinellem Deep Learning (z. B. Übersetzung, Zusammenfassung, Question-Answering, Entity-Linking, Retrieval, Information Extraction).
Erfahrung mit einem ML-Framework wie Huggingface Transformers, PyTorch oder TensorFlow
Erfahrung mit der Feinabstimmung großer Sprachmodelle wie Mistral oder Llama
Erfahrung mit der Datengenerierung und -verarbeitung von Textdaten (z. B. halbautomatische Data-Labeling, Data-Augmentation)
Gute Deutschkenntnisse (B2/C1)
Nice to Have
Erfahrung in biomedizinischer NLP oder Medizin
Erfahrung mit dem Deployment von ML-Modellen/ML-Ops (z. B. Erfahrung mit AWS Sagemaker, Kubernetes, Continuous Integration und Release-Pipelines)
Erfahrung mit der Integration großer Sprachmodelle in realen Anwendungen und verwandte Technologien wie Retrieval Augmented Generation
Erfahrung mit großen Frameworks wie Langchain oder Promptfoo
