Bioinformatiker mit KI-Schwerpunkt

Was macht ein Bioinformatiker mit KI-Schwerpunkt?

Du wendest maschinelles Lernen auf Daten an, die aus dem Labor kommen: DNA- und Proteinsequenzen, dreidimensionale Strukturen von Molekülen, Genexpression aus vielen tausend Zellen, Messreihen aus der Wirkstoffsuche. Die Fragen dahinter sind biologisch – welche Variante hängt mit einer Erkrankung zusammen, welche Zelltypen stecken in einer Probe, welcher Kandidat bindet an ein Zielprotein –, die Werkzeuge sind die des maschinellen Lernens.

Was diese Rolle von anderen Datenberufen trennt, ist die Notwendigkeit, das Fach zu verstehen. Eine Genexpressionsmatrix sieht aus wie eine große Tabelle, ist aber keine: Ihre Werte hängen von der Aufbereitung im Labor ab, von der Zahl der Zellen, vom Gerät, vom Tag der Messung. Wer das nicht kennt, findet zuverlässig Muster, die nur den Versuchsaufbau beschreiben. Dieses Wissen eignet man sich nicht nebenbei an; es kommt aus einem einschlägigen Studium und aus der Zusammenarbeit mit Menschen, die im Labor stehen.

Deshalb führen die Wege hier oft über die Promotion. Nicht als Formalie, sondern weil die drei bis vier Jahre die Zeit sind, in der man an einer echten Fragestellung beides zusammenbringt. In Forschungsinstituten ist die Promotion faktisch Voraussetzung, in der Pharmaindustrie in den forschungsnahen Rollen ebenfalls üblich. In Diagnostikunternehmen und in der Datenaufbereitung geht es auch ohne.

Gegen die Bildverarbeitung in der Medizin lässt sich das klar abgrenzen: Dort sind die Daten Bilder – Aufnahmen aus Radiologie oder Pathologie –, und die Arbeit dreht sich um Bildverfahren und um Zulassung als Medizinprodukt. Hier sind die Daten überwiegend molekular und tabellarisch, und die Arbeit ist näher an der Forschung als an einem zugelassenen Produkt. Wo Gewebeschnitte automatisch ausgewertet werden, treffen sich beide Rollen.

Was du im Praktikum machst

Praktika gibt es in Instituten, in der Pharmaforschung und bei Diagnostikanbietern; oft sind es auch Werkstudentenstellen oder Abschlussarbeiten. Der übliche Einstieg ist eine Auswertestrecke: Rohdaten aus einem Sequenziergerät einlesen, filtern, normalisieren, in eine auswertbare Form bringen. Das ist weniger glamourös als Modelltraining, macht aber den größten Teil der echten Arbeit aus.

Darauf folgt meist ein abgegrenzter Modellteil: eine Klassifikation von Zelltypen, ein Vergleich mehrerer Verfahren auf demselben Datensatz, die Bewertung vorhergesagter Strukturen gegen bekannte Referenzen.

Dritter Bestandteil ist fast immer Dokumentation und Reproduzierbarkeit. In der Forschung muss eine Auswertung Monate später mit denselben Daten dasselbe ergeben. Wer sauber arbeitet, wird hier schnell zur Person, die man behalten will.

Rechne damit, dass du viel Zeit in Gesprächen mit den Laborteams verbringst. Sie wissen, wie eine Probe entstanden ist, du weißt, was die Zahlen hergeben – und die meisten Fehler in gemeinsamen Auswertungen entstehen genau an dieser Naht.

Was du mitbringen solltest

Python mit den üblichen Bibliotheken, R für statistische Auswertungen, sichere Grundlagen in Statistik und Erfahrung mit der Kommandozeile – Rechenläufe laufen meist auf einem Cluster. Kenntnisse in maschinellem Lernen brauchst du, aber der seltenere Teil ist der biologische.

Dazu kommt Geduld. Versuche dauern Wochen, Datensätze sind kleiner und unsauberer als in der Industrie üblich, und viele Fragen enden mit „so genau lässt sich das nicht sagen". Wer damit umgehen kann und gern mit Fachleuten aus einem anderen Gebiet arbeitet, findet hier eine der inhaltlich reichsten Datenrollen.

Was du verdienst

Die Werte sind Erfahrungswerte, keine Zusage. Praktika liegen bei rund 1.600 Euro brutto im Monat, an öffentlichen Instituten eher darunter, in der Pharmaindustrie darüber. Der Einstieg bewegt sich um 4.700 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.400 und 6.900 Euro. Der Unterschied zwischen Forschungseinrichtung und Industrie ist in diesem Feld größer als in den meisten anderen; Promotionsstellen liegen deutlich niedriger, öffnen dafür die Tür zu den besser bezahlten Rollen.

Wie es weitergeht

Der übliche nächste Schritt ist die Promotion, die in der Forschung faktisch die Eintrittskarte ist. Danach führt ein Weg zum Senior Scientist mit eigenen Fragestellungen, ein anderer tiefer in die Computational Biology und die Methodenentwicklung. Wer lieber organisiert, übernimmt die Leitung einer Datenanalyse-Gruppe zwischen Labor und Auswertung.