> Markdown version of [/jobs/ext/2690927-machine-learning-engineer-medical-imaging-ai](https://www.wearedevelopers.com/jobs/ext/2690927-machine-learning-engineer-medical-imaging-ai). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Machine Learning Engineer - Medical Imaging AI - **Company:** Universitätsklinikum Frankfurt - **Location:** FRANKFURT AM MAIN, Germany - **Contract:** Temporary contract - **Skills:** Secure Shell (SSH), Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Artificial Neural Networks, Code Review, Image Analysis, Continuous Integration, Information Engineering, Data Integration, Linux, Dicom, File Systems, Python (Programming Language), Machine Learning, NumPy, Parsing, Rapid Prototyping Process, Tensorflow, Shell Script, Management of Software Versions, Data Processing, Data Ingestion, Pytorch, Fast Healthcare Interoperability Resources, Deep Learning, Git, Fastapi, Pandas, Data Loader, Scikit Learn, Kubernetes, Information Technology, HuggingFace, Machine Learning Operations, Docker - **Published:** September 3, 2026 - **Apply:** https://jobdb.softgarden.de/jobdb/public/jobposting/applyonline/click?jp=67183170 ## About the Role Ausbildung & technischer Hintergrund * Abgeschlossenes Studium (Bachelor oder Master) in (Medizin-)Informatik, Physik, Mathematik, Data Science oder vergleichbar * Solide Machine-Learning-Kenntnisse und Erfahrung im Training neuronaler Netze - aus Studium, eigenen Projekten oder Beruf * Sichere Python-Programmierung: PyTorch oder TensorFlow, NumPy, scikit-learn, pandas Hands-on-Fähigkeiten * Erfahrung im Training von CNNs, Vision Transformern oder vergleichbaren Architekturen - ob im Studium, in Praktika, eigenen Projekten oder beruflich * Linux-Grundkenntnisse (oder klare Lernbereitschaft): Shell-Scripting, SSH, Dateisysteme, Prozess-Management * Vertrautheit mit Git-Workflows; Code-Review-Praktiken und CI/CD-Grundlagen sind ein Plus Ideal, aber kein Muss * Erfahrung mit Foundation Models und prompt-basierter Segmentierung (z. B. SAM/MedSAM2, SAM-Med3D, VISTA3D, nnU-Net) * Praxis mit MLOps-Tooling (MLflow, W&B, DVC, Kubeflow) und containerisiertem Deployment (Docker, Kubernetes) * Vertrautheit mit dem PyTorch-Ökosystem, MONAI oder Hugging Face * Kenntnisse in 3D-/volumetrischer Bildverarbeitung und Domain-Generalisierung über Scanner und Standorte hinweg * Verständnis für regulatorische Rahmenbedingungen klinischer KI (EU AI Act, MDR), * Eigenantrieb: Sie erkennen Probleme selbst, entwickeln Lösungen und setzen sie um - auch ohne Vorgabe * Vielseitigkeit und Hands-on-Mentalität: Sie arbeiten sich in unbekannte Themen ein und packen an * Zuverlässigkeit: Auf Ihre Zusagen ist Verlass * Pragmatismus: Sie verbinden Forschungsqualität mit dem Anspruch, funktionierende Systeme zu liefern * Echtes Interesse an KI im Gesundheitswesen als Antrieb für Ihre Arbeit * Sehr gute Deutsch- und gute Englischkenntnisse ## Description End-to-End-ML-Entwicklung * Entwicklung, Training, Validierung und Deployment von Deep-Learning-Modellen für die medizinische Bildanalyse (primär CT und MRT) * Arbeit mit dem aktuellen Methodenspektrum - von 2D-/3D-CNNs und der U-Net-Familie über Transformer-Architekturen bis zu Foundation Models und Vision-Language-Ansätzen; Sie wählen das passende Werkzeug für die jeweilige klinische Fragestellung * Adaption und Fine-Tuning vortrainierter Foundation Models für Segmentierung und Klassifikation, statt jedes Modell von Grund auf neu zu trainieren * Verantwortung für die gesamte Pipeline: von der DICOM-Datenaufnahme bis zum containerisierten Deployment - in dem Umfang, den Sie übernehmen möchten * Rapid Prototyping: der schnelle Weg vom klinischen Problem zum funktionierenden Prototyp * Performance-Optimierung für Genauigkeit, Inferenzgeschwindigkeit und Recheneffizienz Infrastruktur, MLOps & Plattformentwicklung * Einrichtung und Betrieb von Trainingsumgebungen: Konfiguration von GPU-Servern und Management von Compute-Ressourcen * Aufbau wiederverwendbarer ML-Infrastruktur: modulare Pipelines, Data Loader, Training-Frameworks * Reproduzierbare Workflows mit modernem MLOps-Tooling: Experiment-Tracking (z. B. MLflow, Weights & Biases), Daten- und Modellversionierung (z. B. DVC), Orchestrierung (z. B. Kubeflow, Airflow, Prefect) * Deployment-Systeme: Inference Services (z. B. FastAPI, KServe/BentoML), APIs und PACS-Integration, containerisiert über Docker/Kubernetes * Monitoring von Modellen im Betrieb, einschließlich Erkennung von Daten- und Modell-Drift Medical Data Engineering & Compliance * DICOM/FHIR-Datenverarbeitung: robuste Parser, Konverter und Qualitätskontrollsysteme * Data Versioning und Lineage für reproduzierbare Experimente * Privacy-Preserving Workflows konform mit DSGVO, deutschem Gesundheitsdatenschutzrecht (GDNG) und den Anforderungen des EU AI Act * Nachvollziehbarkeit, Audit-Trails und Human-in-the-Loop-Prinzipien für klinisch eingesetzte Modelle * Multi-institutionelle Datenintegration über die 38 RACOON-Partnerinstitutionen Forschungsbeitrag * Publikation in Top-Venues für medizinische KI (RSNA, ECR, MICCAI, Medical Image Analysis) * Mitarbeit in kollaborativen Forschungsprojekten (RACOON, COMPARE, ENRICH) * Promotion nach individueller Absprache möglich ## Related Videos - [AI in High-Stakes Industries: Lessons Learned](https://www.wearedevelopers.com/videos/100253-ai-in-high-stakes-industries-lessons-learned) - [Docker network without Docker](https://www.wearedevelopers.com/videos/1418-docker-network-without-docker) - [Vectorize all the things! Using linear algebra and NumPy to make your Python code lightning fast.](https://www.wearedevelopers.com/videos/562-vectorize-all-the-things-using-linear-algebra-and-numpy-to-make-your-python-code-lightning-fast) - [How a Small Team Shrank a Microsoft Monorepo by 94%](https://www.wearedevelopers.com/videos/1236-how-a-small-team-shrank-a-microsoft-monorepo-by-94) - [Pioneering AI Assistants in Banking](https://www.wearedevelopers.com/videos/1627-pioneering-ai-assistants-in-banking) - [Docker exec without Docker](https://www.wearedevelopers.com/videos/1094-docker-exec-without-docker) ## Related Articles - [Best Coding Boot Camps in Germany](https://www.wearedevelopers.com/magazine/237-best-coding-boot-camps-in-germany) - [System change: restart as developer?](https://www.wearedevelopers.com/magazine/39-system-change-restart-as-developer) - [The Biggest German Tech Companies](https://www.wearedevelopers.com/magazine/424-the-biggest-german-tech-companies) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [The Most Popular IT Jobs on the Market](https://www.wearedevelopers.com/magazine/376-the-most-popular-it-jobs-on-the-market) - [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it)