Vereinigtes Königreich
JFrog
Calyx
Agentic AI Engineer
Vereinigtes Königreich
United Kingdom
Automatische Übersetzung. Prüfe das Original.
Über die Rolle
Wir haben uns zum Ziel gesetzt, die Zukunft der klinischen Forschung zu verändern. Bei Perceptive helfen wir der biopharmazeutischen Industrie, medizinische Behandlungen schneller auf den Markt zu bringen. Unsere Mission ist es, die Welt zu verändern, aber dafür brauchen wir Menschen wie Sie.
Als Agentic AI Engineer entwerfen, entwickeln und operationalisieren Sie agentische KI-Funktionen, um die Automatisierung zu erhöhen, die Datenqualität zu verbessern und die Entscheidungsfindung in klinischen Bildgebungsstudien zu beschleunigen.
Diese Rolle konzentriert sich auf den Aufbau von KI-Agenten, die Workflows wie die Aufnahme und Validierung von Bilddaten, die Abstimmung von Metadaten, protokollbasierte Prüfungen, die Unterstützung der Qualitätskontrolle und die strukturierte Extraktion aus multimodalen Artefakten (DICOM, Nicht-DICOM, Berichte, PDFs) zuverlässig ausführen können. Parallel dazu wird die Rolle dazu beitragen, den Produktentwicklungslebenszyklus (PDLC) des Unternehmens in einen KI-gesteuerten Lebenszyklus zu verwandeln – durch agentische Workflows von der Produktentdeckung (z. B. Anforderungssynthese, Recherche, Backlog-Gestaltung) bis zur Lieferung und Bereitstellung (z. B. Testgenerierung, Release-Bereitschaft, Dokumentationsautomatisierung) über den Produktionsbetrieb (z. B. Incident-Triage, Observability-Einblicke, automatisierte Runbooks) – und dabei Sicherheit, Compliance, Nachverfolgbarkeit und menschliche Aufsicht gewährleisten.
Kommen Sie, wie Sie sind. Wir sind stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit fördert. Wir diskriminieren nicht aufgrund von Rasse, Religion, Hautfarbe, nationaler Herkunft, Geschlecht (einschließlich Schwangerschaft, Geburt oder damit verbundener medizinischer Zustände), sexueller Orientierung, Geschlechtsidentität, Geschlechtsausdruck, Alter, Status als geschützter Veteran, Status als Person mit Behinderung oder anderer gesetzlich geschützter Merkmale.
WAS KÖNNEN WIR IHNEN BIETEN?
Neben Arbeitszufriedenheit können wir Ihnen bieten:
IHRE PERSON
- 25 Tage Urlaub (mit der Option, mehr zu kaufen)
GESUNDHEIT
- Krankengeldversicherung
- Optionale private Kranken-, Zahnversicherungs- und Gesundheitschecks
- Fahrrad-zur-Arbeit-Programm
FINANZIELLES
- Großzügiges Rentensystem mit bis zu 10% Arbeitgeberbeitrag
- Risikolebensversicherung
- Fahrkartenkredit
Hauptverantwortlichkeiten
Funktionsübergreifende Zusammenarbeit
- Zusammenarbeit mit Produkt-, Imaging-Ops-, Data-Engineering-, QA-, Sicherheits- und Regulatory/Quality-Teams, um wertvolle Automatisierungsmöglichkeiten zu identifizieren und agentische KI-Anwendungsfälle zu definieren.
- Übersetzung von klinischen Bildgebungs-Workflows und PDLC-Prozessen in agentenbereite Task-Modelle (Eingaben, Ausgaben, Einschränkungen, Schutzmaßnahmen, Akzeptanzkriterien).
- Zusammenarbeit mit Fachexperten zur Definition von Qualitätskriterien, Evaluationsdatensätzen und menschlichen Überprüfungsworkflows zur Validierung von Agentenausgaben.
- Unterstützung des Change Managements: Unterstützung von Teams bei der Einführung agentischer Funktionen mit klaren UX-Mustern, Onboarding und Dokumentation.
Technische Verantwortung
- Förderung von Engineering-Best Practices für agentische Systeme: Zuverlässigkeit, Beobachtbarkeit, Evaluierung, Reproduzierbarkeit und Secure-by-Design-Muster.
- Beitrag zu internen Standards für: Prompt-/Versionskontrolle, Agenten-Tools/Plugins, Retrieval-Konfiguration, Grounding/Zitate und Human-in-the-Loop-Überprüfung.
- Teilnahme an Design-Reviews und Bereitstellung von Anleitungen zur Auswahl von Frameworks und Architekturen.
- Betreuung von Kollegen durch Code-Reviews, Pair-Programming, Demos und Wissensaustausch-Sitzungen.
Algorithmen- und Softwareentwicklung
- Erstellung agentischer Workflows (mehrstufiges Reasoning + Tool-Nutzung), die Bildgebungsstudienprozesse unterstützen, wie z. B.:
- Datenerfassung und -validierung (DICOM/Nicht-DICOM), Konsistenzprüfungen von Metadaten
- Protokollbasierte QC-Unterstützung und Diskrepanzerkennung
- Prüfungen auf Datenvollständigkeit und Erstellung strukturierter Probleme
- Automatisierte Zusammenfassung von Bildpaketen und Generierung von Kontext für Prüfer
- Implementierung von Retrieval-Augmented Generation (RAG)-Mustern, die auf kontrollierten Wissensquellen (SOPs, Protokolle, Spezifikationen, Runbooks) basieren, mit Nachverfolgbarkeit.
- Entwicklung von Evaluations-Frameworks für das Agentenverhalten: Task-Erfolgsrate, Halluzinations-/Grounding-Prüfungen, Regressionstests und Analyse von Bias/Fehlermodi.
- Beitrag von produktionsreifen Code (APIs, Dienste, Pipelines) mit starkem Testen, Dokumentation und Wartbarkeit.
Bereitstellung und Integration (MLOps)
- Paketierung und Bereitstellung agentischer Dienste unter Verwendung genehmigter Cloud- und SDLC-Muster: CI/CD, Infrastructure-as-Code, Secret Management und Umgebungsförderung.
- Implementierung von Schutzmaßnahmen und Kontrollen: Zugriffskontrolle, Tool-Berechtigungen, Sandboxing, Inhaltsfilterung, Ratenbegrenzungen und Audit-Protokollierung.
- Aufbau von Observability: Traces, strukturierte Logs, Evaluations-Telemetrie, Kostenüberwachung und Fehleranalyse (Agentenläufe, Tool-Aufrufe, Retrieval-Treffer, Modellleistung).
- Sicherstellung eines sicheren Produktionsbetriebs: Rollback-Strategien, Feature Flags, Canary Releases und Incident Playbooks.
Innovation & Forschungsanwendung
- Auf dem Laufenden bleiben über agentische KI-Muster (Planung, Tool-Nutzung, Speicher, Multi-Agenten-Koordination, strukturierte Ausgaben) und Bewertung der Machbarkeit für regulierte Workflows.
- Schnelles Prototyping und Validierung neuer Funktionen, dann Härtung zu produktionsreifen Features.
- Durchführung von Experimenten zum Vergleich von Modellen, Prompts, Retrieval-Strategien und Agentenarchitekturen; Dokumentation von Ergebnissen und Empfehlungen.
- Identifizierung von Möglichkeiten zur Standardisierung und Wiederverwendung von Agentenkomponenten in klinischen Bildgebungs-Workflows und PDLC-Automatisierung.
Sonstiges
- Durchführung aller anderen angemessenen Aufgaben auf Anfrage.
Funktionale Kompetenzen (Technisches Wissen/Fähigkeiten)
- Starke Software-Engineering-Fähigkeiten (saubere Architektur, APIs, Tests, Code-Reviews).
- Solide Kenntnisse in RAG und Knowledge Grounding-Mustern (Chunking, Embeddings, Retrieval-Qualität, Zitate/Nachverfolgbarkeit).
- Vertrautheit mit MLOps / DevOps: CI/CD, Monitoring, Logging, sichere Bereitstellungspraktiken.
- Grundlagen der Datenverarbeitung: Schema-Design, Datenvalidierung, Datenherkunft und Nachvollziehbarkeit.
- Starke Kommunikationsfähigkeiten; kann technische Kompromisse gegenüber nicht-technischen Stakeholdern erklären.
- Komfortable Zusammenarbeit in Teams und Iteration mit Endbenutzern.
- Handlungsbereitschaft: kann schnell Prototypen erstellen und dann zuverlässig produktiv setzen.
- Hohe Eigenverantwortung und Rechenschaftspflicht; pragmatischer Ansatz für Risiko und Qualität.
Erfahrung, Ausbildung und Zertifizierungen
- Solide professionelle Erfahrung im Software-Engineering, einschließlich der Auslieferung von Produktionssystemen.
- Erfahrung in der Implementierung von LLM-basierten Systemen (agentische Workflows, Tool-Aufrufe, strukturierte Ausgaben).
- Praktische Erfahrung mit der Evaluierung von LLM/Agentenqualität (Offline-Tests + Produktions-Telemetrie).
- Nachgewiesene Erfahrung im Aufbau oder der Integration von KI-gestützten Anwendungen (LLMs, NLP, Entscheidungsunterstützung, Automatisierung).
- Erfahrung in der Zusammenarbeit in funktionsübergreifenden Umgebungen mit Produkt- und Betriebsteams.
- Nachgewiesene Erfahrung im Design von Systemen unter Berücksichtigung von Zuverlässigkeit und Sicherheit (Testbarkeit, Überwachung, klare Fehlermodi).
- Master-Abschluss in Informatik, Ingenieurwesen, Data Science oder einem verwandten Fachgebiet oder gleichwertige praktische Erfahrung.
- Kenntnisse in medizinischer Bildgebung (DICOM, Metadaten, Grundlagen der Modalitäten) und/oder klinischen Studienabläufen sind von Vorteil.
- Arbeitskenntnisse über die Erwartungen an regulierte Software (Validierungsdenken, Audit-Trails, Nachverfolgbarkeit) sind von Vorteil.
- Vertrautheit mit Datenschutz-/Sicherheitsprinzipien für sensible Daten ist von Vorteil.
- Erfahrung im Gesundheitswesen/Life Sciences, klinischen Studien, Bildgebungs-Workflows oder regulierten Umgebungen ist ein Plus.
- Master-Abschluss oder relevante KI/ML-Spezialisierung ist ein Plus.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen