Machine Learning Engineer, AI Enablement

Bei Roche können Sie Sie selbst sein und werden für die einzigartigen Qualitäten geschätzt, die Sie einbringen. Unsere Kultur fördert den persönlichen Ausdruck, den offenen Dialog und echte Verbindungen, in denen Sie für das, was Sie sind, geschätzt, akzeptiert und respektiert werden, was es Ihnen ermöglicht, sich sowohl persönlich als auch beruflich zu entfalten. So wollen wir Krankheiten verhindern, stoppen und heilen und sicherstellen, dass jeder Zugang zu einer Gesundheitsversorgung hat – heute und für kommende Generationen. Kommen Sie zu Roche, wo jede Stimme zählt.

Die Position
Bei Roche treiben wir die Wissenschaft voran, damit wir alle mehr Zeit mit den Menschen haben, die wir lieben. Eine gesündere Zukunft. Für eine Welt, in der jeder Zugang zu der Gesundheitsversorgung hat, die er heute und für die kommenden Generationen benötigt. Wir glauben, dass der nächste Durchbruch in der Medizin durch die Schnittstelle von Computational Engineering und Biologie ermöglicht wird. Wir bauen die Infrastruktur auf, die KI von einem experimentellen Konzept in ein zuverlässiges, wirkungsvolles Werkzeug für unsere Forscher verwandelt.

Fortschritte in der KI, in Daten und in den Computerwissenschaften transformieren die Entdeckung und Entwicklung von Medikamenten. Die Forschungs- und frühen Entwicklungsorganisationen von Roche bei Genentech (gRED) und Pharma (pRED) haben gezeigt, wie diese Technologien die Forschung und Entwicklung beschleunigen, indem sie Daten und neuartige computergestützte Modelle nutzen, um Wirkung zu erzielen. Das neue Computational Sciences Center of Excellence (CoE) ist eine strategische, einheitliche Gruppe, deren Ziel es ist, diese transformative Kraft von Daten und KI zu nutzen, um Wissenschaftler dabei zu unterstützen, innovativere und transformativere Medikamente für Patienten weltweit bereitzustellen.

Innerhalb des CoE treibt die Data and Digital Catalyst (DDC) Organisation die Modernisierung von computergestützten und Daten-Ökosystemen sowie die Integration digitaler Technologien in der Forschung & frühen Entwicklung voran. Die AI Enablement Engineering Gruppe steht im Zentrum dieser Mission. Wir trainieren nicht nur Modelle; wir bauen skalierbare Systeme, Datenpipelines und intelligente Anwendungen, die es unseren Wissenschaftlern ermöglichen, smarter zu arbeiten, nicht härter. Von der Optimierung der Modellleistung bis hin zum Design von End-to-End agentischen Workflows ist es unser Ziel, leistungsstarke KI-Werkzeuge direkt in die Hände derjenigen zu legen, die die Wirkstoffforschung vorantreiben, um datengesteuerte Wissenschaft zu ermöglichen und die Entscheidungsfindung zu beschleunigen.

Wir sind ein funktionsübergreifendes, wirkungsorientiertes Team, das kognitive Vielfalt und technische Exzellenz schätzt. Hier arbeiten Sie mit Biologen, Computerwissenschaftlern, Datenexperten und Forschern zusammen, um eine Zukunft zu gestalten, in der KI/ML eine wesentliche Komente jeder wissenschaftlichen Entdeckung ist. Wenn Sie ein Ingenieur sind, der gerne komplexe Probleme löst, den Stack mit Neugier durchdringt und Werkzeuge bauen möchte, die wirklich Leben verändern, wollen wir von Ihnen hören.

Die Chance:
Als Machine Learning Engineer in AI Enablement werden Sie die Systeme implementieren, die das Potenzial unserer wissenschaftlichen Daten erschließen und die Entdeckung lebensverändernder Behandlungen beschleunigen. Sie werden nicht nur Modelle bauen; Sie werden die Infrastruktur entwerfen, die KI zu einem alltäglichen Werkzeug für Forscher macht.

Sie werden mit einem vielfältigen Ökosystem aus Computerwissenschaftlern, ML-Experten, Produktleitern und DevOps-Ingenieuren zusammenarbeiten, um robuste, skalierbare und wartbare Backend-Systeme und Anwendungen zu entwerfen und zu implementieren. Sie haben die Autonomie, End-to-End-Funktionen (von der ersten Modellevaluierung bis zur Produktionsbereitstellung) innerhalb eines Teams zu verantworten, das technischen Strenge, Mentoring und gemeinsames Wachstum priorisiert. Wir suchen Ingenieure, die technische Exzellenz und inklusive, funktionsübergreifende Zusammenarbeit als grundlegend für die Bereitstellung hochwirksamer wissenschaftlicher Lösungen betrachten.

• Übersetzen wissenschaftlicher und geschäftlicher Anforderungen in umsetzbares technisches Design und die praktische Implementierung von agentischen KI-Lösungen. Hierfür werden Sie täglich hochwertige, wartbare Produktionscodes schreiben, testen und ausliefern sowie skalierbare Systeme und Datenpipelines aufbauen.
• Tragen Sie unabhängig zu definierten Projekten bei, indem Sie wartbaren Code schreiben und Software-Engineering-Best-Practices (Testing, CI/CD, Dokumentation) zusammen mit KI-Tooling und quantitativen Metriken anwenden, um ML-Systeme zu evaluieren und zu skalieren.
• Tragen Sie zu Architektur-Entscheidungen, Code-Reviews und der Weiterentwicklung unserer Entwicklungsprozesse bei.
• Seien Sie bereit, den Stack zu durchlaufen und dort beizutragen, wo es nötig ist, auch außerhalb Ihres Kernkompetenzbereichs.
• Bleiben Sie bei neuen Technologien und Branchen-Best-Practices auf dem Laufenden und leben Sie eine Kultur des kontinuierlichen Lernens, der Zusammenarbeit und der Neugier.

Wer Sie sind:

• Sie sind ein Praktiker technischer Strenge: Sie besitzen einen Master-Abschluss mit mehr als 2 Jahren Berufserfahrung oder einen PhD in Informatik oder einem ähnlichen technischen Bereich. Sie schätzen Software-Engineering-Best-Practices wie Testing, Clean Code und Dokumentation als Grundlage für skalierbare, hochwirksame Systeme.
• Sie durchdringen den Stack: Sie sind es gewohnt, über den gesamten ML-Lebenszyklus zu arbeiten, von der GPU-Optimierung und Modellleistung bis hin zu Backend-Systemen und Cloud-Native-Architektur (z. B. Kubernetes, AWS) mit soliden Kenntnissen in Statistik und ML-Theorie sowie KI/ML-Frameworks, Bibliotheken und Toolsets.
• Sie schätzen kollaboratives Engineering: Sie sehen Code-Reviews und Architektur-Entscheidungen als Räume für