We are looking for highly motivated coworkers to join our inter­di­sci­plinary lab “Machine Biopho­tonics” in the Rudolf Virchow Center at the University of Würzburg in Germany. Our lab develops compu­ta­tional and experi­mental methods for trans­la­tional biology, with a focus on imaging-based antibiotic drug discovery. Ongoing and/or planned projects include:

• AI for image-based pheno­typic screening
• Generative AI for drug design
• Machine learning for metabo­lomics
• In silico drug screening
• AI for micro­bio­lo­gical diagnosis
• Compu­ta­tional imaging for pheno­typic drug screening
• Explainable AI for biome­dicine
• CRISPRi screens, spatial transcrip­tomics for pheno­typic screening

For more infor­mation about our main research interests, please visit our webpage.

Five postdoc positions are open in the Machine Biopho­tonics Lab at University of Würzburg (Germany), and two positions in our sister lab, the Imaging and Modeling Unit at Institut Pasteur (Paris, France).

The positions are funded in part by the Rudolf Virchow Center, the Bavarian High Tech Agenda, the EU ERC Synergy project “AI4AMR” (colla­bo­ration with I. Boneca, Inserm/Institut Pasteur and M. Brönstrup, Helmholtz Centre for Infection Research) and the Agence Nationale de la Recherche (ANR).

Appli­cants should hold (or be close to obtaining) a PhD in one of the following or related fields:

• Compu­ta­tional biology, bioin­for­matics, chemo­in­for­matics
• Physics, biophysics, engineering
• AI, computer science, applied mathe­matics
• Drug discovery, high content screening
• Micro­biology, cell biology, molecular biology

We are seeking highly motivated candi­dates with a strong interest in inter­di­sci­plinary research, an excellent work ethic, strong teamwork skills, and fluency in English (both spoken and written).

To apply, please send us a single PDF containing:

• A cover letter explaining your motivation to join us and how your expertise aligns with our research
• A detailed CV including a publi­cation list and a summary of your past research achie­ve­ments (5 pages max)
• Contact details of at least three referees, preferably former or current super­visors
• Copies of transcripts and diplomas

Die Univer­si­täts­me­dizin Göttingen (UMG) verfolgt im Rahmen ihrer strate­gi­schen Planung die konse­quente Weiter­ent­wicklung ihrer profil­bil­denden Forschungs­schwer­punkte Molekulare Zellbio­logie, Neuro­wis­sen­schaften, Herz-Kreislauf-Medizin und Onkologie mit trans­la­tio­nalen Ansätzen u.a. als Partner­standort der Gesund­heits­for­schungs­zentren Deutsches Zentrum für Herz-Kreislauf-Forschung (DZHK), Deutsches Zentrum für Neuro­de­ge­nerative Erkran­kungen (DZNE) und Deutsches Zentrum für Kinder- und Jugend­ge­sundheit (DZKJ). Die UMG ist auf dem Göttingen Campus eng vernetzt mit den natur- und biowis­sen­schaft­lichen Einrich­tungen der Univer­sität sowie den außer­uni­ver­si­tären Einrich­tungen am Standort.

Das Institut für Arbeits‑, Sozial- und Präven­tiv­me­dizin der Univer­si­täts­me­dizin Göttingen mit seinen Stand­orten Göttingen und Wolfsburg (https://arbeitsmedizin.umg.eu) erforscht moderne Arbeits­welten in einer digita­li­sierten Gesell­schaft. Es legt einen beson­deren Fokus auf gesell­schaft­liche, indus­trielle und unter­neh­me­rische Trans­for­ma­ti­ons­pro­zesse, Digita­li­sierung sowie den Einsatz Künst­licher Intel­ligenz (KI) zur Förderung von Prävention und Gesundheit im Arbeits­kontext. Das seit Ende 2024 unter neuer Leitung stehende Institut für Arbeits‑, Sozial- und Präven­tiv­me­dizin der UMG gehört zum Bereich der Versor­gungs­for­schung der UMG mit einer Spezia­li­sierung auf KI unter­stützte Forschungs­an­sätze. Für die Weiter­ent­wicklung dieses Profils ist eine

Univer­si­täts­pro­fessur

KI in der Arbeits‑, Sozial- und Präven­tiv­me­dizin (Bes. Gr. W2)

zum nächst­mög­lichen Zeitpunkt auf Dauer zu besetzen.

Das Institut ist eng vernetzt mit weiteren wissen­schaft­lichen Einrich­tungen und Fakul­täten der Univer­sität Göttingen sowie mit überre­gio­nalen Initia­tiven wie dem Campus-Institut Data Science (CIDAS), der Sektion Medizi­nische Daten­wis­sen­schaften (MeDaS), und dem Nieder­säch­si­schen Zentrum für KI und kausale Methoden in der Medizin (CAIMed). Koope­ra­tionen mit inter­na­tio­nalen Großun­ter­nehmen, darunter die Volks­wagen AG, ermög­lichen Zugang zu umfang­reichen und vielfäl­tigen Daten­sätzen für die Forschung.

Die Stellen­in­ha­berin oder der Stellen­in­haber (m/w/d) soll den Bereich der Künst­lichen Intel­ligenz im Kontext von Arbeits‑, Sozial- und Präven­tiv­me­dizin in Forschung und Lehre maßgeblich vertreten und gemeinsam mit der Insti­tuts­leitung weiter­ent­wi­ckeln. Die Integration von KI in die Arbeits- und Sozial­me­dizin steht noch am Anfang, ihre aktive Gestaltung ist eine zentrale Zukunfts­aufgabe für arbeits- und sozial­me­di­zi­nische Forschung, Praxis und Lehre.

Ihre Aufgaben:

• Aufbau des Forschungs­schwer­punktes „KI in der Arbeits‑, Sozial- und Präven­tiv­me­dizin“
  • Einwerben dritt­mit­tel­ge­för­derter Forschungs­pro­jekte
  • Engagement in der univer­si­tären Lehre und Betreuung von Dies umfasst bestehende Lehrauf­gaben der Univer­si­täts­me­dizin Göttingen und der Univer­sität Göttingen sowie der Konzep­tua­li­sierung neuen Lehran­gebote mit den Schwer­punkt KI.
  • Aufgaben der akade­mi­schen Selbst­ver­waltung

• Grund­la­gen­for­schung in der KI und kausalen Methoden wie die Entwicklung, Unter­su­chung und Anwendung von Methoden zur kausalen Inferenz und zur Evaluation von Künst­licher Intel­ligenz
• (Weiter-)Entwicklung prädik­tiver Systeme im Kontext Gesundheit, Visua­li­sierung komplexer Zusam­men­hänge, Bild- und Video­ana­lysen sowie Muster­er­ken­nungen
• Entwicklung, Validierung und Imple­men­tierung von KI-Algorithmen und ‑Tools zur Analyse und Vorhersage gesund­heits­be­zo­gener Ereig­nisse, Optimierung von Prozessen sowie zur Entschei­dungs­un­ter­stützung im
• Validierung von Modellen zur Sicher­stellung der Genau­igkeit und Zuver­läs­sigkeit
• Auswertung umfang­reicher Daten (Big Data) (z. B. von Kranken­kassen und Großun­ter­nehmen) im Kontext von Gesundheit und Prävention

Anfor­de­rungen: Profil

• einschlä­giges abgeschlos­senes wissen­schaft­liches Hochschul­studium (z. B. Statistik, Infor­matik, KI, Epide­mio­logie, Mathe­matik, Data Science oder einem verwandten Bereich)
• Heraus­ra­gende Promotion in Statistik, Mathe­matik, KI oder einem verwandten Fach mit starken quanti­ta­tiven Kompo­nenten
• eigen­ständige wissen­schaft­liche Tätigkeit auf dem Gebiet der KI, Statistik oder Data Science nach der Promotion
• Erfahrung in  der  Entwicklung  und  Anwendung  von  Methoden  zur  kausalen  Inferenz  und Evaluation von Künst­licher Intel­ligenz, präfe­riert in der Medizin
• Kennt­nisse in Daten­bank­tech­no­logien und Big Data
• Erfah­rungen bei       der       Einwerbung          von       Dritt­mitteln          und       in       inter­dis­zi­pli­nären Forschungs­ko­ope­ra­tionen
• Erfah­rungen in der Lehre und akade­mi­schen Selbst­ver­waltung
• Sprach­kennt­nisse (CEFR-Niveau): Englisch mindestens C1
• Kennt­nisse im Bereich Gesund­heits­daten und ‑systeme sind von Vorteil

Die Einstel­lungs­vor­aus­set­zungen ergeben sich aus § 25 des Nieder­säch­si­schen Hochschul­ge­setzes in der zurzeit geltenden Fassung. Die UMG besitzt das Berufungs­recht.

Bewer­bungen  von  Wissen­schaft­le­rinnen  und  Wissen­schaftlern  aus  dem  Ausland  sind  ausdrücklich erwünscht.

Die UMG strebt eine Erhöhung des Frauen­an­teils an und fordert daher quali­fi­zierte Frauen ausdrücklich zur Bewerbung auf. Schwer­be­hin­derte werden bei entspre­chender Eignung bevorzugt berück­sichtigt.

Bitte  reichen  Sie  Ihre  Bewer­bungs­un­ter­lagen  webba­siert  unter  https://berufungsportal.umg.eu  bis spätestens 12.11.2025 ein.

Bei Fragen stehen wir unter berufungsportal@med.uni‐goettingen.de gerne zur Verfügung.