About this role
Summary: Designs, develops and integrates machine learning models into a healthcare billing inspection software, covering model evaluation, feature engineering and MLOps.
### DEINE ROLLE
- KI-Services entwickeln: Du konzipierst, entwickelst und implementierst neue Machine-Learning-Modelle, die unsere Software intelligent erweitern – etwa für die automatisierte Bewertung medizinischer Daten, Textklassifikation oder Entscheidungsunterstützung in der Rechnungsprüfung.
- Modellintegration und MLOps: Du integrierst ML-Modelle nahtlos in unsere Produktarchitektur, automatisierst Trainings- und Deployment-Pipelines und stellst die Nachvollziehbarkeit sowie Wartbarkeit produktiver Modelle sicher.
- Qualität und Performance: Du verantwortest die kontinuierliche Überwachung und Verbesserung der Modellqualität, führst Retrainings durch und etablierst Kennzahlen zur Modellbewertung und -optimierung.
- Datenanalyse und Feature Engineering: Du analysierst medizinische und abrechnungsbezogene Daten, leitest relevante Features ab und stellst Datenqualität, -konsistenz und -sicherheit sicher.
- Interdisziplinäre Zusammenarbeit: Du arbeitest eng mit Fachspezialisten, Produktmanagement und Softwareentwicklung zusammen, um KI-basierte Funktionen in unsere Prüfsoftware einzubetten und praxisrelevante Mehrwerte für Krankenkassen und Leistungserbringer zu schaffen.
### DEIN PROFIL
- Studium/Ausbildung: Erfolgreich abgeschlossenes Studium in Informatik, Data Science, Medizininformatik oder einem vergleichbaren Studiengang mit technischem Fokus.
- Erfahrung: Mehrjährige Berufserfahrung in der Entwicklung, Implementierung und Betreuung produktiver Machine-Learning-Modelle – idealerweise in einem regulierten oder datengetriebenen Umfeld wie dem Gesundheitswesen, der Versicherung oder dem öffentlichen Sektor.
- Fachskills (ML & Data Science): Fundierte Kenntnisse in Python und den gängigen ML-Frameworks (scikit-learn, TensorFlow, PyTorch) sowie Erfahrung mit Modellbewertung und Feature Engineering.
- Fachskills (MLOps & Architektur): Erfahrung mit MLOps-Tools und -Prozessen (z. B. MLflow, Kubeflow), Containerisierung (Docker) und CI/CD. Kenntnisse in Data Pipelines sind notwendig.
- Softskills: Analytisches Denken, hohe Problemlösungskompetenz, Affinität zu medizinischen und regulatorischen Fragestellungen sowie die Fähigkeit, komplexe KI-Konzepte verständlich und praxisnah zu vermitteln.
- Innovationen: Interesse an neuen Technologien und Innovationen (bspw. Nutzung von LLMs).
- Sprachkenntnisse: Sehr gute Deutschkenntnisse (C1-Level).