Data Scientist, Lab & Protein Data in Bussigny

Adaptyv baut ein automatisiertes Labor, das es KI-Agenten ermöglicht, biologische Experimente durchzuführen. Wir betreten die Ära der agentischen Wissenschaft, in der KI-Modelle nun neuartige Proteine entwerfen, Hypothesen vorschlagen und experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen - das ist immer noch ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die KI-Agenten Zugang zur physischen Welt gibt. Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, das von führenden Biopharmaunternehmen, fortschrittlichen KI-Labors und Techbio-Unternehmen, die das Feld vorantreiben, vertraut wird. Dies ist eine seltene Gelegenheit, einige der wichtigsten Arbeiten im Biotech-Bereich voranzutreiben.

Unser automatisiertes Labor wird von einem tiefen Software- und Hardware-Stack betrieben: Laborinstrumente im Wert von Millionen USD, die in API-kontrollierbare Hardware umgekehrt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Beobachtbarkeit von allem, was im Labor passiert, Verarbeitungs-Pipelines für unordentliche Daten aus der physischen Welt und KI-Systeme, die Produktionsresultate beheben und die Entwicklung von Assays beschleunigen. Wir wachsen schnell und stellen talentierte Personen ein, um die massive Nachfrage nach KI-gesteuerten Experimenten im Nasslabor zu skalieren und zu unterstützen.

Über die Rolle

Sie werden die Datenwissenschaftsschicht von Adaptyvs Foundry aufbauen - die Arbeit, die zehntausende von rohen, unordentlichen experimentellen Ausgaben in saubere, vertrauenswürdige, strukturierte Daten verwandelt, auf die unsere Kunden, unsere Modelle und unsere eigenen Wissenschaftler sich verlassen können. Binding (BLI/SPR), Entwickelbarkeit, biophysikalische und funktionale Assays produzieren alle Daten im großen Maßstab; Ihre Aufgabe ist es, diese Daten korrekt, vergleichbar und nützlich zu machen. Dies befindet sich an der Schnittstelle von drei Dingen: Datenqualität (ist diese Zahl echt oder ein Artefakt?), Bioinformatik (Verknüpfung experimenteller Ergebnisse mit Sequenz, Struktur und Proteindesign) und Datensatzaufbau (Umwandlung der Foundry-Ausgabe in hochwertige, benchmarkfähige Daten, die fortschrittliche KI-Labore tatsächlich wollen). Sie arbeiten Schulter an Schulter mit den Laborscientists, die die Assays durchführen, dem Softwareteam, das die Pipelines besitzt, und den Kunden, die Modelle auf dem trainieren, was wir produzieren. Dies ist eine praktische Rolle, keine Managementrolle.

Was Sie tun werden

• Die wissenschaftliche Logik der Datenqualität über die Foundry hinweg besitzen: definieren, wie „gute Daten“ für jeden Assay-Typ aussehen - erwartete Signalbereiche, Kontrollschwellen, Fehlermodi, Randfälle - und dies in automatisierte Prüfungen umsetzen.
• Anomalieerkennungs- und QC-Modelle entwickeln, die schlechte Daten erfassen, die das Auge übersehen würde: Assay-Abdrift, Instrumentenvariabilität, Platteneffekte, falsche Positiven und falsche Negativen - und echten Signal von Rauschen statistisch unterscheiden.
• Mit den Software- und ML-Teams zusammenarbeiten, um die automatisierten Datenpipelines zu spezifizieren, zu überprüfen und zu verbessern, die Instrumentenausgaben verarbeiten, und präzise Anforderungen zurückzugeben, was markiert, automatisch abgelehnt oder zur menschlichen Überprüfung weitergeleitet werden soll.
• Experimentelle Ergebnisse mit der Proteinseite verbinden - Sequenz, Struktur und Design - damit Nasslabor-Daten und rechnergestützte Modelle sich gegenseitig verstärken.
• Die Foundry-Ausgabe in strukturierte, dokumentierte, benchmarkfähige Datensätze umwandeln, die ein echtes Asset für unsere Kunden und für das Training und die Bewertung von Proteindesignmodellen darstellen.
• Echte statistische Strenge auf mehrbedingte Daten im großen Maßstab anwenden - Tausende von Proben über Hunderte von gleichzeitigen Experimenten - und die Ergebnisse interpretierbar und vergleichbar über verschiedene Durchläufe machen.

Was wir suchen

• Starker Hintergrund in Datenwissenschaft/Bioinformatik - Sie sind fließend in Python (pandas, numpy, der wissenschaftlichen Stack) und fühlen sich wohl dabei, unordentliche, reale experimentelle Daten von Anfang bis Ende zu besitzen.
• Echtes biologisches Verständnis - Sie verstehen Proteine, Assays und Sequenz/Struktur/Funktion gut genug, um zu wissen, was die Daten bedeuten, nicht nur, wie man sie verarbeitet.
• Statistische Reife - Prozesskontrolle, Anomalieerkennung, Umgang mit Variabilität und Batch-Effekten; Sie können Drift von Rauschen unterscheiden und die Entscheidung verteidigen.
• Prolific Builder mit den Nachweisen, um es zu beweisen. Sie haben viel ausgeliefert - Pipelines, Tools, Modelle, Datensätze - und können auf konkrete Dinge verweisen, die Sie von Anfang bis Ende gebaut und in der Praxis eingesetzt haben, nicht Prototypen, die in einem Notizbuch gestorben sind.
• Sie bewegen sich schnell, systematisieren, was funktioniert, und haben keine Geduld für das Babysitten eines festen Dashboards.
• AI-native Builder. Es ist 2026 - Sie bauen standardmäßig mit Codierungsagenten wie Claude Code und haben scharfe Urteile darüber, was sie produzieren.
• Interdisziplinär aus Instinkt. Sie sind motiviert, über die Laborbank, Software und ML hinweg zu arbeiten, und betrachten Automatisierung und Dateninfrastruktur als Teil Ihrer Arbeit.
• Bonus: Erfahrung mit Protein-/Sequenzstruktur-Daten (Bioinformatik-Tools, strukturelle Daten), ML auf experimentellen Daten oder Aufbau von Datensätzen für das Training und Benchmarking von Modellen.

Details

• Standort: Lausanne, Schweiz (vor Ort)
• Typ: Vollzeit
• Startdatum: ASAP
• Bewerbungsfrist: Wir prüfen Bewerbungen laufend.