Das Deutsche Krebsforschungszentrum (DKFZ) ist eines der größten Krebsforschungszentren Europas. „Forschen für ein Leben ohne Krebs“ ist unsere Mission und hierfür arbeiten unsere Weltklassewissenschaftler:innen gemeinsam mit allen Mitarbeitenden.
Wir erforschen, wie Krebs entsteht, erfassen Krebsrisikofaktoren und suchen nach neuen Strategien, die verhindern, dass Menschen an Krebs erkranken. Wir entwickeln neue Methoden, mit denen Tumore präziser diagnostiziert und Krebspatient:innen erfolgreicher behandelt werden können. Jeder Beitrag zählt – ob in der Forschung, in der Administration oder der Infrastruktur. Das macht unsere tägliche Arbeit so bedeutungsvoll und spannend.
Gemeinsam mit universitären Partnern an sieben renommierten Partnerstandorten haben wir das Deutsche Konsortium für Translationale Krebsforschung (DKTK) gegründet.
Wir suchen für die Arbeitsgruppe "Digital Health Science" am DKTK Partnerstandort Frankfurt/Mainz zum nächstmöglichen Zeitpunkt eine:n
Klinische:n Datenwissenschaftler:in (m/w/d) in Teilzeit (70-80%)
Kennziffer: 2026-0015
- Frankfurt am Main
- Teilzeit
- DKTK Partnerstandort Frankfurt/Mainz – Digital Health Science
Die Arbeitsgruppe "Digital Health Science" befindet sich am Institut für Digitale Medizin und Klinische Datenwissenschaften (IDMKD) am Fachbereich 16 (Medizin) der Goethe-Universität Frankfurt (Arbeitsort Campus Niederad).
Unter der Leitung von Prof. Janne Vehreschild fokussiert sich die Arbeitsgruppe auf den Bereich der datenbasierten und digitalen Medizin. Dabei wird eine systematische Ausweitung des Zugangs und der Nutzung von Gesundheitsdaten für die Forschung und Patientenversorgung sowie eine Verknüpfung zwischen datenbasierter und medizinischer Forschung verfolgt.
Die Arbeitsgruppe „Föderierte Inferenzsysteme“ am Institut setzt sich mit der föderierten, statistischen Analyse von klinischen Analysedaten von Krebspatienten auseinander. Hierbei werden im Rahmen von multizentrischen Studien Daten verschiedener Standorte analysiert, ohne dass ein standortübergreifender Datentransfer stattfindet.
Ihre Aufgaben:
Der:die erfolgreiche Bewerber:in ist verantwortlich für die Betreuung, Planung und Durchführung von eigenen Forschungsprojekten im Bereich der klinischen Datenwissenschaften, insbesondere für die Durchführung von inferenzstatistischen Analysen von klinischen Daten und Bioproben von Krebspatient:innen im DKTK.
Konkret beinhaltet das die folgenden Tätigkeiten:
- Entwicklung, Umsetzung und Validierung statistischer und Machine-Learning-basierter Verfahren, insbesondere zur wissenschaftlichen Phänotypisierung von klinischen Verläufen von Krebspatient:innen und zur Outcome-Prädiktion
- Versuchs- und Projektplanung, insbesondere der Datenbereinigung/Datenkuration und des Feature-Engineerings (z. B. Algorithmusimplementierung für die Augmentierung klinischer Verlaufsdaten relevanter Features)
- Literaturrecherche wissenschaftlicher Evidenz, existierender Strategien, theoretischer Ansätze und ihrer Bewertung bezüglich ihrer Anwendbarkeit unter Berücksichtigung von Patentliteratur
- Durchführung von (In-Silico-)Experimenten und Untersuchung von klinisch-epidemiologischen Krebsdaten mit dem Ziel der Datenvalidierung und der Entwicklung standardisierter Interpretationen in Bezug auf neu zu implementierende Analysemethoden (z. B. Machine-Learning-basierte Survival-Analyse)
- Generieren und Prüfen von Arbeitshypothesen, Interpretation von Forschungsergebnissen
- Dokumentation und Veröffentlichung von Forschungsergebnissen in Fachzeitschriften und Buchbeiträgen sowie Präsentation der Ergebnisse bei Vorträgen und Fachkongressen
- Auswertung von Daten mittels statistischer Analysesoftware (z. B. R/Rstudio und/oder Python), Dokumentation von Datenverarbeitungsschritten (mittels Git und MS-Office-Programmen) sowie Anfertigung von Grafiken, Präsentationen und Postern
Ihr Profil:
- Abgeschlossenes wissenschaftliches Hochschulstudium in Epidemiologie, Medizin, Informatik, Mathematik, Sozialwissenschaften oder einer vergleichbaren Fachrichtung
- Eine abgeschlossene, einschlägige Promotion ist von Vorteil, aber nicht Voraussetzung
- Fundierte Kenntnisse in der Anwendung statistischer Analyseverfahren
- Kenntnisse in der Anwendung von R oder einer vergleichbaren Software
- Kenntnisse in Machine-Learning-Verfahren sind von Vorteil, aber keine Voraussetzung
- Befähigung zum wissenschaftlichen Arbeiten (z. B. Promotion, jedoch nicht zwingend erforderlich)
- Sehr gute Deutsch- und Englischkenntnisse
