Zusammenarbeit

Gemeinsam mehr Klarheit in Supplement-Evidenz bringen.

Zusammenarbeit statt konventioneller Einstellung. HERA baut ein kleines Netzwerk von Fachpersonen auf, um eine evidenzorientierte Plattform für Entscheidungen zu Supplements in der Forschungsphase zu entwickeln.

Die Aufgabe ist präzise: entscheiden, welche Evidenz Gewicht verdient, sie reproduzierbar strukturieren, Unsicherheit ehrlich kommunizieren und die Grenze zwischen Bildung und medizinischer Beratung schützen. Frühe Zusammenarbeit beginnt mit fokussierten Reviews, klar abgegrenzten Projekten und dokumentierten Experimenten.

Zusammenarbeit besprechen

Unmittelbare Prioritäten vor dem Launch

Fachpersonen, die wir kennenlernen möchten.

Diese Bereiche unterstützen direkt die aktuelle Forschungsplattform und die Evidenzabläufe, die wir als Nächstes validieren. Sie beschreiben fokussierte frühe Zusammenarbeit. HERA bietet derzeit keine traditionellen bezahlten Anstellungen an.

Clinical Data Engineer / Bioinformatik-Fachperson

Warum das wichtig ist: Reproduzierbare Pipelines entwickeln, die wissenschaftliche Literatur in strukturierte Evidenzdatensätze überführen.
Kernaufgaben: Wissenschaftliche Metadaten normalisieren, DOI- und PMID-Datensätze abgleichen, Herkunftsnachweise erhalten und validierte relationale Extraktionsabläufe entwerfen.
Erforderliche Expertise: Python; PubMed/NCBI, Crossref oder vergleichbare wissenschaftliche APIs; reproduzierbares ETL; Datenmodellierung; Verständnis von RCTs, Beobachtungsstudien, systematischen Reviews, Metaanalysen, Konfidenzintervallen, Effektgrössen und Bias.
Zusätzliche hilfreiche Erfahrung: Biomedical NLP, Evidenzgraphen, Schemavalidierung, wissenschaftliche Ontologien oder sorgfältig gesteuerte Retrieval-Systeme.
Aktueller Umfang: Infrastruktur für Forschungsdaten – keine autonomen medizinischen Empfehlungen.

Applied AI / Scientific NLP Engineer

Warum das wichtig ist: Zuverlässige KI-gestützte Evidenzverarbeitung entwickeln, ohne unsichere Literatur in unbelegte Schlussfolgerungen zu verwandeln.
Kernaufgaben: Strukturierte Extraktion, deterministische Validierung, Evaluationsdatensätze, Zitatprüfungen, Umgang mit Unsicherheit und menschliche Review-Abläufe entwerfen.
Erforderliche Expertise: Python; Sprachmodell-APIs oder offene Modelle; wissenschaftliche Textverarbeitung; Prompt- und Evaluationsdesign; Halluzinationsanalyse; Retrieval-Konzepte und Benchmark-Konstruktion.
Zusätzliche hilfreiche Erfahrung: Biomedizinische Abstracts oder Volltexte, PICO-Extraktion, Klassifikation von Studiendesigns, Entitätsextraktion und Evaluation über Demos hinaus.
Aktueller Umfang: KI unterstützt die Forschungsverarbeitung. Sie ist keine Quelle medizinischer Beratung und wird nicht mit Gesundheitsdaten von Teilnehmenden trainiert.

Evidenzsynthese / Biostatistik

Warum das wichtig ist: Reproduzierbare Regeln dafür definieren, wie viel Vertrauen unterschiedliche Formen wissenschaftlicher Evidenz verdienen.
Kernaufgaben: Regeln für Evidenzgewichtung und Extraktion prüfen, Sprache für Unsicherheit festlegen, Heterogenität und Bias bewerten und Übertreibung schwacher Befunde verhindern.
Erforderliche Expertise: Epidemiologie oder Biostatistik; RCT- und Beobachtungsmethodik; Metaanalyse; Effektgrössen; Konfidenzintervalle; Power; Heterogenität; Publikationsbias; externe Validität und Bias-Frameworks wie GRADE.
Zusätzliche hilfreiche Erfahrung: Erfahrung darin, statistische Grenzen in transparente Produktsprache und auditierbare Evidenzgrade zu übertragen.
Aktueller Umfang: Studienzahl, Zitationszahl und Journalreputation allein messen keine Evidenzqualität.

Medizinisch-wissenschaftliches Review – Ernährungsbiochemie und Pharmakologie

Warum das wichtig ist: Biologische Plausibilität, Unterschiede zwischen Nährstoffformen, Interaktionen und wissenschaftliche Interpretation prüfen.
Kernaufgaben: Evidenzzusammenfassungen und deterministische Regeln prüfen, biologische Vereinfachungen markieren und festlegen, was die Plattform nicht ableiten darf.
Erforderliche Expertise: Relevanter PhD-, PharmD- oder forschungsaktiver MD-Hintergrund; Mikronährstoffphysiologie, Bioverfügbarkeit, Interaktionen, Formulierungen, Sicherheitsliteratur, Studiendesign und wissenschaftliches Schreiben.
Zusätzliche hilfreiche Erfahrung: Klinische Ernährung, Physiologie, Molekularbiologie, Pharmakologie oder evidenzorientierte regulatorische Kommunikation.
Aktueller Umfang: Wissenschaftliches Review für ein Bildungsprodukt – keine individuelle Patientenversorgung.

Regulatory Affairs & Privacy Lead – Digital Health / Consumer Wellness

Warum das wichtig ist: Die Grenze zwischen evidenzbasierter Bildung und regulierter medizinischer Funktionalität sichern.
Kernaufgaben: Claims, Einwilligung, Aufbewahrung, Löschung, Verarbeitung durch Dritte und künftige Konzepte vor Umsetzung prüfen; regulatorische Eskalationskriterien definieren.
Erforderliche Expertise: Schweizer DSG, DSGVO, Consumer-Health-Claims, EU-Medizinproduktegrenzen, Einwilligung, Forschungsgovernance und Minimierung von Gesundheitsdaten.
Zusätzliche hilfreiche Erfahrung: EU MDR, FDA-General-Wellness- oder SaMD-Konzepte und Datenschutzprüfung wissenschaftlicher Datensysteme, wo tatsächlich anwendbar.
Aktueller Umfang: Regulatorische Relevanz wird präzise bewertet; HERA übertreibt weder HIPAA-Anwendbarkeit noch seinen klinischen Status.

Technische Plattform und Kommunikation

Expertise, die wir aufbauen.

Full-Stack / Data Platform Engineer

Sichere Full-Stack-Entwicklung für eine typisierte Webanwendung, relationale Forschungsdaten, Sitzungsauthentifizierung, RBAC, Audit-Logging, Migrationen und datenschutzkonforme Exporte. Priorität haben Korrektheit, Herkunftsnachweis, Tests und die sorgfältige Weiterentwicklung der bestehenden Architektur – kein Rewrite.

Wissenschaftskommunikation und Research Outreach

Wissenschaftsautorinnen und -autoren, Lehrpersonen, Forschende, Journalistinnen und Journalisten sowie visuelle Storyteller, die Evidenz, Unsicherheit, Meinung und Werbung trennen können. Wir schätzen verantwortungsvolle Kurzformate und lehnen Wunderbehauptungen, angstbasiertes Marketing, Affiliate-first-Inhalte und wissenschaftlich klingende Übertreibung ab.

Wie Zusammenarbeit funktioniert

Präzise Arbeit, ehrliche Grenzen.

Eine Zusammenarbeit kann mit einem Methodenreview, einem abgegrenzten Forschungsprojekt, einer technischen Bewertung oder einem Experiment zur Wissenschaftskommunikation beginnen. Wir schätzen dokumentierte Begründungen, Reproduzierbarkeit, konstruktive Kritik und Klarheit über Unsicherheit.

Langfristige Expertise

Künftige Forschungsrichtungen – keine aktuellen Fähigkeiten.

Diese Bereiche können später relevant werden, vorbehaltlich wissenschaftlicher Validierung, Datenschutzgestaltung und regulatorischer Prüfung. Sie sind nicht Teil des derzeitigen öffentlichen HERA-Dienstes.

Laborintegration und Dateninteroperabilität
Sicherheit von Gesundheitsdaten
Klinische Informatik
Fortgeschrittene Biomarker-Datenwissenschaft
Produkt- und Inhaltsstoffverifikation
Regulatorisches Qualitätsmanagement

Stellen Sie Ihre Expertise vor

Interesse an sorgfältiger, evidenzorientierter Zusammenarbeit?

Teilen Sie uns mit, wo Ihre Erfahrung passt und was Sie hinterfragen oder verbessern möchten.

[email protected] kontaktieren