Data Scientist, Lab & Protein Data

Adaptyv baut ein automatisiertes Labor auf, das es KI-Agenten ermöglicht, Biologieexperimente durchzuführen.

Wir treten in die Ära der agentischen Wissenschaft ein, in der KI-Modelle nun neue Proteine entwerfen, Hypothesen vorschlagen und experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen – das ist nach wie vor ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die KI-Agenten Zugang zur physischen Welt verschafft.

Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, dem führende Biopharmas, Frontier AI Labs und die Techbio-Unternehmen, die das Feld vorantreiben, vertrauen. Dies ist eine seltene Chance, einen Beitrag zu einigen der wichtigsten Arbeiten zu leisten, die heute in der Biotechnologie stattfinden.

Unser automatisiertes Labor wird durch einen tiefen Software- + Hardware-Stack angetrieben: Labormessgeräte im Wert von Millionen USD, die durch Reverse Engineering in API-steuerbare Hardware umgewandelt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Observability über alles, was im Labor passiert, Verarbeitungspipelines für unordentliche Daten aus der physischen Welt und KI-Systeme, die Produktionsergebnisse Fehler analysieren und die Assay-Entwicklung beschleunigen.

Wir wachsen schnell und stellen talentierte Menschen ein, um die massive Nachfrage nach KI-gesteuerter Wet-Lab-Experimentierung zu skalieren und zu unterstützen.

Über die Rolle

Sie werden die Data-Science-Ebene der Adaptyv Foundry aufbauen – die Arbeit, die zehntausende rohe, unordentliche experimentelle Messwerte in saubere, vertrauenswürdige, strukturierte Daten verwandelt, auf die unsere Kunden, unsere Modelle und unsere eigenen Wissenschaftler sich verlassen können. Binding (BLI/SPR), Developability, biophysikalische und funktionelle Assays produzieren alle Daten in großem Maßstab; Ihre Aufgabe ist es, diese Daten korrekt, vergleichbar und nützlich zu machen.

Dies liegt an der Schnittstelle von drei Dingen: Datenqualität (ist diese Zahl echt oder ein Artefakt?), Bioinformatik (Verknüpfung experimenteller Ergebnisse mit Sequenz, Struktur und Proteindesign) und Datensatz-Erstellung (Umwandlung des Foundry-Outputs in die Art von hochwertigen, benchmarkbaren Daten, die Frontier AI Labs tatsächlich wollen). Sie werden Schulter an Schulter mit den Laborscientists arbeiten, die die Assays durchführen, dem Software-Team, das die Pipelines verantwortet, und den Kunden, die Modelle auf dem trainieren, was wir produzieren. Dies ist eine Hands-on-Aufbaurolle, keine Managementrolle.

Was Sie tun werden

• Sie verantworten die wissenschaftliche Logik der Datenqualität in der gesamten Foundry: Definieren Sie, wie "gute Daten" für jeden Assay-Typ aussehen – erwartete Signalbereiche, Kontrollschwellenwerte, Fehlermodi, Edge Cases – und wandeln Sie dies in automatisierte Prüfungen um.
• Bau von Anomalieerkennungs- und QC-Modellen, die schlechte Daten erfassen, die das Auge übersehen würde: Assay-Drift, Instrumentenvariabilität, Platteneffekte, False Positives und False Negatives – und unterscheiden Sie statistisch zwischen echtem Signal und Rauschen.
• Zusammenarbeit mit den Software- und ML-Teams, um die automatisierten Datenpipelines, die Instrumenten-Outputs verarbeiten, zu spezifizieren, zu überprüfen und zu verbessern, wobei Sie präzise Anforderungen rückmelden, was markiert, automatisch abgelehnt oder zur menschlichen Überprüfung weitergeleitet werden soll.
• Verbinden Sie experimentelle Ergebnisse zurück mit der Proteinfunktion – Sequenz, Struktur und Design – damit sich Wet-Lab-Daten und Computermodelle gegenseitig verstärken.
• Wandeln Sie Foundry-Outputs in strukturierte, dokumentierte Datensätze auf Benchmark-Niveau um, die ein echter Gewinn für unsere Kunden und für das Training und die Evaluierung von Proteindesign-Modellen sind.
• Wenden Sie echte statistische Strenge auf Daten unter multiplen Bedingungen im großen Maßstab an – Tausende von Proben über hunderte gleichzeitige Experimente hinweg – und machen Sie die Ergebnisse über verschiedene Durchläufe hinweg interpretierbar und vergleichbar.

Was wir suchen

• Starker Data Science / Bioinformatik-Hintergrund – Sie beherrschen Python (pandas, numpy, der scientific stack) und sind es gewohnt, unordentliche, reale experimentelle Daten von Ende zu Ende zu verantworten.
• Echtes biologisches Fundament – Sie verstehen Proteine, Assays sowie Sequenz/Struktur/Funktion gut genug, um zu wissen, was die Daten bedeuten, und nicht nur, wie man sie verarbeitet. Sie müssen kein Laborscientist sein, aber Sie dürfen biologisch nicht blind sein.
• Statistische Reife – Prozesssteuerung, Anomalieerkennung, Umgang mit Variabilität und Batch-Effekten; Sie können Drift von Rauschen unterscheiden und Ihre Entscheidung verteidigen.
• Produktiver Builder mit Nachweisen. Sie haben viel veröffentlicht – Pipelines, Tools, Modelle, Datensätze – und können konkrete Dinge benennen, die Sie von Ende zu Ende aufgebaut und in die reale Nutzung gebracht haben, keine Prototypen, die in einem Notebook gestorben sind. Sie arbeiten schnell, systematisieren, was funktioniert, und haben keine Geduld für das Betreuen eines starren Dashboards.
• KI-nativer Builder. Es ist 2026 – Sie bauen standardmäßig mit Coding-Agenten wie Claude Code und verfügen über ein scharfes Urteilsvermögen darüber, was diese produzieren.
• Interdisziplinär aus Instinkt. Sie werden motiviert, über das Labor, die Software und ML hinweg zusammenzuarbeiten, und Sie betrachten Automatisierung und Dateninfrastruktur als Teil Ihres Jobs.
• Bonus: Erfahrung mit Protein-/Sequenz-Struktur-Daten (Bioinformatik-Tooling, Strukturdaten), ML auf experimentellen Daten oder dem Aufbau von Datensätzen für das Modelltraining und Benchmarking.

Details

• Standort: Lausanne, Schweiz (on-site)
• Typ: Vollzeit
• Startdatum: ASAP

Bewerbungsfrist

Wir prüfen Bewerbungen fortlaufend.