vom 10.11.2026
Recherche, Konzeption und Evaluierung innovativer Methoden zur Erstellung, Weiterentwicklung und Nutzung hochwertiger Knowledge Graphs für KI-Anwendungen. Entwicklung und Implementierung von Verfahren zur Bewertung der Qualität und Vollständigkeit von Knowledge Graphs hinsichtlich Abdeckung, Konsistenz, Genauigkeit, Datenherkunft (Provenance) und Unsicherheiten. Analyse und Benchmarking verschiedener KI-gestützter Methoden zur Extraktion und Strukturierung von Informationen aus unstrukturierten Daten, insbesondere Named Entity Recognition (NER), Entity Resolution, Relation Extraction und Large Language Models (LLMs). Evaluierung und Weiterentwicklung von Ontologien, Domänenmodellen, semantischen Datenmodellen und Begriffshierarchien. Anwendung graphentheoretischer, statistischer und probabilistischer Methoden zur Analyse von Graphstrukturen, Zusammenhängen, Netzwerken, Clustern und Informationslücken. Untersuchung und Optimierung von Graph-Traversierungs- und Retrieval-Strategien, beispielsweise hinsichtlich Hop-Limits, Kantenausrichtung, Gewichtung, Relevanzbewertung und Datenreduktion. Konzeption und Entwicklung mehrstufiger KI-gestützter Reasoning-, Validierungs- und Verifizierungsprozesse auf Basis von Knowledge Graphs. Erforschung und Bewertung von Link-Prediction-Verfahren und Graph Embeddings unter besonderer Berücksichtigung der Trennung zwischen verifiziertem Wissen und abgeleiteten Informationen. Aufbau von Benchmarks, Referenzmodellen und Evaluierungsverfahren sowie Durchführung von Experimenten, Fehleranalysen und Vergleichsstudien. Überführung der Forschungsergebnisse in reproduzierbare Experimente, Evaluierungsframeworks und praxisorientierte Handlungsempfehlungen.
Anforderungen: Abgeschlossenes Studium der Informatik, Data Science, Mathematik, Künstlichen Intelligenz oder einer vergleichbaren Fachrichtung, idealerweise mit wissenschaftlichem bzw. forschungsorientiertem Hintergrund. Fundierte mathematische Kenntnisse, insbesondere in Graphentheorie, linearer Algebra, Wahrscheinlichkeitsrechnung, Statistik und Optimierung. Vertiefte Kenntnisse und praktische Erfahrung im Bereich Knowledge Graphs, Information Extraction, Ontology Learning, semantische Modellierung und graphbasiertes Machine Learning. Erfahrung in der Konzeption, Entwicklung und Evaluierung von KI- und LLM-basierten Lösungen sowie im Einsatz agentenbasierter Workflows zur Unterstützung von Forschungs- und Analyseprozessen. Sehr gute Programmier- und Datenanalysekenntnisse, insbesondere in Python und SQL sowie idealerweise in Graph-Abfragesprachen und entsprechenden Technologien. Erfahrung mit experimentellem Design, Benchmarking, reproduzierbaren Forschungsprozessen, Fehleranalysen und der Bewertung von Unsicherheiten und Sensitivitäten. Ausgeprägte analytische und konzeptionelle Fähigkeiten sowie eine strukturierte, wissenschaftlich fundierte und ergebnisorientierte Arbeitsweise. Fähigkeit, komplexe Forschungsergebnisse verständlich aufzubereiten und in konkrete technische Konzepte und Handlungsempfehlungen zu überführen. Sehr gute Kommunikationsfähigkeiten und Freude an der interdisziplinären Zusammenarbeit zwischen Data Science, KI-Forschung und IT-Architektur.
Remote, ab sofort bis 31.07.2027.
Kontaktadresse
|
