Wissenschaftliche Mitarbeiter:innen / Research Engineers (m/w/d/x)

DFKI; Kaiserslautern; Hybrid; EUR 60.000 - 90.000; Vollzeit

Zusammenfassung

DFKI sucht Wissenschaftliche Mitarbeiter:innen / Research Engineers (m/w/d/x) im Forschungsbereich Generative AI für Enterprise-Architektur-Management & Wissensgraphen. Sie arbeiten an GenAI-Pipelines zur Optimierung und Harmonisierung von Enterprise-Architektur-Modellen sowie an der Verlinkung von Architekturen in Graph-Datenbanken.

Wichtige Aufgaben umfassen die Entwicklung von dialogbasierten Chat-Systemen, Architektur-Harmonisierung und das Deployment lokaler Modelle (On-Premise).

Qualifikationen

• Abgeschlossenes Hochschulstudium (Master oder PhD) in Informatik, KI, Data Science, Wirtschaftsinformatik, Computational linguistics oder verwandten Feldern.
• Fundierte praktische Erfahrung mit LLMs und Generativen KI-Technologien sowie mit Libraries/Toolchains (z. B. Transformers, LangChain/LlamaIndex).
• Gute Python-Kenntnisse und ML-Frameworks.
• Erfahrung mit Graph-Datenbanken (Neo4j/Cypher, RDF/SPARQL) und Wissensgraphen.
• Erfahrung in Prompt Engineering, RAG-Systemen, Modell-Deployment und Fine-Tuning.
• Erfahrung mit Container-Orchestrierung (Kubernetes) und lokal gehosteten Modellen (On-Premise).
• Kenntnisse EA-Frameworks (TOGAF, ArchiMate) und EA-Tooling sindvon Vorteil.
• Sehr gute Deutschkenntnisse, gute Englischkenntnisse.

Aufgaben

• Entwicklung, prototypische Implementierung und Evaluation von GenAI-Pipelines zur Generierung, Optimierung und Harmonisierung von Enterprise-Architektur-Modellen.
• Modellierung und Verlinkung von Enterprise-Architekturen in Graph-Datenbanken (Neo4j); Entwurf von Graph-Schemata und Ontologien.
• Aufbau dialogbasierter Chat- und Assistenzsysteme (Graph-RAG) für natürliche Abfragen verlinkter EAMs.
• Architektur-Harmonisierung: Identifikation von Redundanzen, Inkonsistenzen und Lücken; Mapping zwischen Modellen.
• Arbeiten mit offenen und lokalen Modellen (On-Premise-Deployment) zur Datensouveränität.
• Fine-Tuning, Adaption, Monitoring von Modellen; Sicherstellung von Nachvollziehbarkeit und Transparenz.

Kenntnisse

LLMs

Generative KI

Prompt Engineering

Python

ML Frameworks

Englischkenntnisse

Deutschkenntnisse

Ausbildung

Master oder PhD in Informatik, KI, Data Science, Wirtschaftsinformatik oder Computational Linguistics

Tools

Neo4j / Cypher

RDF / SPARQL

LangChain / LlamaIndex

Transformers

Kubernetes

Ollama / LLM-Locally

HuggingFace Text GenerationInference

llama.cpp

SparxSystems Enterprise Architect

Jobbeschreibung

Wir suchen zum nächstmöglichen Zeitpunkt zwei

Wissenschaftliche Mitarbeiter:innen / Research Engineers (m/w/d/x)

Generative and Transparent AImit SchwerpunktGenerative KI für Enterprise-Architektur-Management & Wissensgraphen

Dein zukünftiges Arbeitsfeld

Du arbeitestimForschungsbereich„Smarte Daten und Wissensdienste" andem Einsatzvon Large Language Models (LLMs) und Generativen KI-Systemen für die Erstellung, Optimierung und Architektur-Harmonisierung von Enterprise-(Management-) Architekturen (EAM). Im Zentrum steht die Verbindung lokal betriebener Sprachmodelle mit in Graph-Datenbanken modellierten und verlinkten Architekturlandschaften,einschließlich dialogbasierter Chat-Systeme, die eine natürlichsprachliche Interaktion mit komplexen EAM-Wissensgraphen ermöglichen. Das Vorhaben wirdauch inZusammenarbeit mit Unternehmen und Behördender äußeren Sicherheitdurchgeführt.Die besonderen Anforderungen dieses Anwendungskontexts an Datenschutz, Datensouveränität und Nachvollziehbarkeitprägen die technische Ausrichtung des Projekts.

• Entwicklung, prototypische Implementierung und Evaluation von GenAI-Pipelines zur Generierung, Optimierung und Harmonisierung von Enterprise-Architektur-Modellen.
• Modellierung und Verlinkung von Enterprise-Architekturen in Graph-Datenbanken (z. B. Neo4j); Entwurf von Graph-Schemata und Ontologien zur semantischen Abbildung von Architekturartefakten.
• Aufbau dialogbasierter Chat- und Assistenzsysteme (Graph-RAG /wissensgraphgestützteRetrieval-Augmented Generation), die eine natürlichsprachliche Abfrage und Bearbeitung verlinkter EAMs erlauben.
• Architektur-Harmonisierung: Identifikation von Redundanzen, Inkonsistenzen und Lücken sowie Konsolidierung und Mapping zwischen heterogenen Architekturmodellen.
• Arbeiten mit offenen und lokalen Modellen (On-Premise-Deploymentzur Wahrung von Datensouveränität und Datenschutz), inkl. Anpassung und Benchmarking.
• Fine-Tuning und Adaption von Modellen (z. B.LoRA/PEFT), Monitoring von Modellverhalten, Reduktion von Halluzinationen sowie Sicherstellung von Nachvollziehbarkeit und Transparenz generierter Architekturvorschläge.

• Abgeschlossenes Hochschulstudium (Master oder PhD) in Informatik, KI, Data Science, Wirtschaftsinformatik, ComputationalLinguisticsoder verwandten Feldern.
• Fundierte praktische Erfahrung mit LLMs und Generativen KI-Technologien und im Umgang mit entsprechenden Libraries/Toolchains(z. B. Transformers,LangChain/LlamaIndexetc.).
• Gute Kenntnisse in Python und einschlägigen ML-Frameworks.
• Erfahrung mit Graph-Datenbanken (z. B. Neo4j/Cypher, RDF/SPARQL) und/oder Wissensgraphen erwünscht.
• Erfahrung in Prompt Engineering, RAG-Systemen (insb. Graph-RAG), Modell-Deploymentund Fine-Tuning von Vorteil.
• Erfahrung mit Container-Orchestrierung (Kubernetes-Deployment) sowie mit Frameworks zum Betrieb lokalgehosteter(LLM-)Modelle (z. B.vLLM,Ollama,HuggingFace Text GenerationInference, llama.cpp) wünschenswert.
• Kenntnisse im Enterprise-Architektur-Management, mit EA-Frameworks (TOGAF,ArchiMate)und mit EAM-Tooling (insb.SparxSystems EnterpriseArchitect) sindvon Vorteil.
• Interesse an anwendungsorientierter Forschung und Transferprojekten.
• Bereitschaft sich in neue Technologien und Frameworks eigenverantwortlich einzuarbeiten.
• Sehr gute Deutschkenntnisse in Wort und Schrift sind Grundvoraussetzung; gute Englischkenntnisse werden ebenfalls erwartet.

• Beschäftigung in einem forschungsstarken, interdisziplinären Umfeld.
• Beteiligung an aktuellen nationalen und internationalen Projekten im Bereich KI.
• Zugang zu moderner Recheninfrastruktur und technischen Ressourcen.
• Flexible Arbeitsbedingungen und die Möglichkeit zu hybridem Arbeiten.