Entwicklung der Systemarchitektur und -komponenten in enger Zusammenarbeit mit den Projektbeteiligten, Planung des Aufbaus der Entwicklungsumgebung, Erstellung der Dateninfrastruktur und Aufbereitung von Daten für das LLM, Entwicklung einer Finetuning/RAG-Pipeline und einer Evaluationspipeline, Erweiterung der Dateninfrastruktur für die Adaption des LLMs, Entwicklung spezifischer Evaluationsmetriken, Unterstützung beim Aufbau der Erprobungsplattform, Durchführung von Testreihen und Analyse der Erprobungsdaten, Publizieren von Ergebnissen und Vorstellung dieser auf Fachkonferenzen

Entwicklung innovativer, rechnergestützter Methoden zur Erforschung molekularer Krankheitsprozesse, Konzeption, Ausarbeitung und Implementierung von Machine Learning und Künstlicher Intelligenz in der klinischen Diagnostik und biomedizinischen Forschung, Anwendung klassischer Methoden der Statistik zur Aufbereitung und Analyse von Rohdaten verschiedenster OMICs-Felder, Entwicklung innovativer Methoden des Maschinellen Lernens und der Künstlichen Intelligenz zur Integration und zum ‚Datamining‘ grosser, multimodaler, klinischer Daten, Ausprägung und Vertiefung des wissenschaftlichen Profils auf dem Gebiet der Computer-gestützten Biomedizin, Publikation von Forschungsergebnissen in anerkannten internationalen Fachzeitschriften, Vorträge auf internationalen Konferenzen, Beteiligung an Lehrformaten, wie Vorlesungen und Seminare des Instituts für Klinische Chemie und Laboratoriumsmedizin

Schulung und Beratung von Mitarbeitern in Bezug auf KI-Technologien und -Anwendungen, Analyse von Geschäftsprozessen zur Identifizierung von Optimierungspotenzialen durch KI-Technologien, Überwachung der technologischen Entwicklungen im Bereich KI, Eigenständige Durchführung von KI Projekten (z.B. Implementierung von KI Anwendungen im Unternehmen), Zusammenarbeit mit interdisziplinären Teams, z.B. IT, Marketing, Vertrieb, usw., Sicherstellung der Datenqualität und der Einhaltung von Datenschutzregeln in Zusammenarbeit mit dem Datenschutzbeauftragten, Entwicklung und Implementierung von KI-Strategien

Sie fungieren als Ansprechpartner*in für alle Fragen und Anforderungen bzgl. KI-gestützter Anwendungen und Services, Sie leiten komplexe Transformationsprojekte unter Einbindung von Stakeholdern unterschiedlichster Hierarchie- und Fachebene, Sie sind mitverantwortlich für die Strategie-Entwicklung zum Thema Künstliche Intelligenz, einschließlich der Erstellung von Zielbildern, Konzepten und Roadmaps, Sie entwickeln, implementieren und betreiben KI-Systemlösungen und definieren IT-Architekturprinzipien für verschiedene KI-Anwendungsfälle, Sie steuern die zur Leistungserbringung benötigten Dienstleister und etablieren IT-Standards und Prozesse zu KI-Werkzeugen und -Technologien, Sie beraten die Fachbereiche strategisch bei der Entwicklung digitaler Geschäftsmodelle und fördern den Kompetenzausbau zu Themen der Digitalisierung, wie Cloud Computing, Big Data Prozessautomatisierung, digitale Kundeninteraktion, Maschinelles Lernen, Neuronale Netze und Deep Learning

Forschung und Entwicklung im Teilprojekt „Nutzer:innen-zentrierte Digitalisierung für nachhaltige Entwicklung, Konzeption und Umsetzung von Lösungen zur Erfassung, Verarbeitung und Bereitstellung von Daten (ETL, APIs), Konzeption, Umsetzung und Erprobung von Vorhersagemodellen mit Verfahren der Künstlichen Intelligenz Beratung von und fachliche Abstimmung mit Partnern im Rahmen des Projekts, insbesondere mit Kommunen und KMU im Themenfeld „Digitalisierung“, Durchführung wissenschaftlicher Recherchen, Aufbereitung der Ergebnisse und Anfertigung von Publikationen

Einrichtung und technische Pflege von Praktikumsinfrastruktur z.B. in Form von vorkonfigurierten virtuellen Maschinen für Studierende, Einrichtung und technische Pflege von KI Diensten in der Lehre wie z.B. einem sprachmodellbasierten Email-Feedback für Studierende oder einem Generator für Praktikumsaufgaben unter Anleitung der Dozenten, Mitwirkung bei der Vorbereitung der Lehrveranstaltungen, Entwicklung von Aufgaben und Unterlagen, Betreuung von Studierenden im virtuellem Labor und Lehrveranstaltungen in den Fachgebieten Datenbanken, Data Science und künstliche Intelligenz unter Anleitung der Dozenten, Mitarbeit bei Forschungs- und Entwicklungsvorhaben, Kommunikation mit und Vergleich von internen und externen Anbietern von (Cloud)diensten, Soft- und Hardware, Unterstützung der Studierenden bei Projekt- oder Abschlussarbeiten

Unterstützung bei der Implementierung von robusten und skalierbaren Datenpipelines, Unterstützung bei der Optimierung unserer Dateninfrastruktur in der Cloud (z.B. Kubernetes-Cluster), Automatisierung von Deployments und Schaffung von zuverlässigen Monitoring- und Alerting-Lösungen, Unterstützung beim Einrichten von Monitoring-Tools (z.B. Prometheus, Grafana), Optimierung von Schnittstellen und Cloud-Architektur

Entwicklung von sauberem und effizientem Code auf der Grundlage von Spezifikationen und Richtlinien., Entwicklung, Pflege und Nutzung von Deployment-Pipelines (nach dem Paradigma „Infrastructure as Code“)., Aufbau und Bereitstellung von Python-Diensten in Kubernetes., Einrichtung von Automatisierungs- / Testskripten zur Unterstützung von Spezialist*innen bei der Durchführung von Funktions- und Qualitätstests., Behebung von Programmierproblemen und Gewährleistung einer produktiven Arbeitsumgebung., Wartung und regelmäßige Verbesserung der bestehenden Software., Analysieren und Testen vor der Markteinführung., Gewährleistung der Softwaresicherheit durch Entwicklung von Programmen zur aktiven Überwachung der Offenlegung privater Informationen., Entwicklung von Optimierungsmodulen für die Grid Analysis auf der Grundlage vorgegebener Anwender*innen berichte., Teilnahme am 24/7 Bereitschaftsdienst für den Support.

Literaturrecherche zu bestehenden Algorithmen, Vorbereitung der Trainingsdaten, Auswahl einer Methode und Entwicklung eines ML-basierten Algorithmus zur Identifikation, Testen und Bewerten des Algorithmus