Aufgaben
- Sie entwickeln in einem Projekt zur Anwendung Künstlicher Intelligenz in der Landwirtschaft mit dem Team Data Retrieval und Data-Analyse-Komponenten
- Sie setzen Verarbeitungsketten für Training und/oder Validierung von Modellen maschinellen Lernens auf
- Sie verknüpfen diese Komponenten mit großen Sprachmodellen (LLMs) zur Bereitstellung von Nutzerschnittstellen und -assistenten
- Sie wirken mit an Texten für Dokumentationen und Veröffentlichungen
Qualifikationen
- Ein abgeschlossenes Studium in einem MINT-Fach mit ausgewiesenen Kenntnissen der Informatik
- Programmiererfahrung in gängigen Interpreter- sowie kompilierten Sprachen, insbesondere Python, C/C++
- Kenntnisse statistischer Regressionsmodelle und Methoden maschinellen Lernens (z. B. Clustering, neuronale Netze, Random Forest)
- Erfahrungen mit dem Setup von Hardware für wissenschaftliches Rechnen und maschinelles Lernen
- Interesse an der Landwirtschaft als ein komplexes System ineinandergreifender natürlicher und technischer Prozesse
- Wünschenswert aber nicht zwingend notwendig sind: Kenntnisse computerlinguistischer Methoden, großer Sprachmodelle (LLMs) und Programmbibliotheken aus diesen Bereichen und Erfahrungen mit Sprachen für wissenschaftliche Datenverarbeitung (z. B. GNU R, Octave, Julia) oder mit funktionalen Sprachen (z. B. racket, ocaml, haskell)
Wir bieten
- Eine Vollzeitstelle, die ab sofort zu besetzen und auf 34 Monate befristet ist
- Eine tarifliche Einordnung bis Entgeltgruppe 13 TVöD Bund
- Flexible Arbeitszeiten und -orte, die eine gute Vereinbarkeit von Familie, Freizeit und Beruf ermöglichen
Unser Kontakt
Wir freuen uns auf Ihre Bewerbung per E-Mail (Unterlagen als PDF-Datei).
Bitte schicken Sie die Unterlagen bis zum 31. Januar 2026 mit dem Stichwort "DW08012026".
An: bewerbung@ktbl.de
- E-Mail: d.martini@ktbl.de – Inhaltliches beantwortet, Telefon: +49 6151 7001-126
- E-Mail: bewerbung@ktbl.de – Organisatorisches beantwortet, Telefon: +49 6151 7001-136
Weitere Informationen
Schwerbehinderte werden bei gleichen Voraussetzungen bevorzugt berücksichtigt.