Noch keine KI-Analyse
Ausführen: python script_run_ai_scoring.py --profile alex
Stellenbeschreibung
Duration: 7 months+ | Start: 11/2026 | Remote: 100%
Beschreibung
IT
Artificial Intelligence
Data Architecture
Digital Architecture
Graph Theory
Information Architecture
Intelligence Analysis
Machine Learning
Network Architecture
Software Architecture
Solution Architecture
Systems Architecture
Large Language Models
IT Architecture
Knowledge Representation
GraphQL
Artificial Intelligence Markup Language (AIML)
Description
Rahmenbedingungen
• Start: 13. November 2026
• Ende: 30. Juni 2027
• Auslastung: Vollzeit
• Einsatzort: 100 % Remote
• Sprache: Deutsch
Aufgaben
• Erforschung, Konzeption und Bewertung von Methoden zum Aufbau hochwertiger Knowledge Graphs für KI-Anwendungen.
• Entwicklung von Methoden zur Messung der Qualität und Vollständigkeit von Knowledge Graphs hinsichtlich Abdeckung, Konsistenz, Genauigkeit und Unsicherheit.
• Evaluierung von Verfahren zur Informationsextraktion, Entity Resolution, Ontologieentwicklung und semantischen Modellierung.
• Anwendung graphentheoretischer, statistischer und probabilistischer Methoden zur Analyse von Graphstrukturen und Informationslücken.
• Konzeption und Optimierung graphbasierter Retrieval-Strategien sowie mehrstufiger KI-Reasoning- und Verifizierungsprozesse.
• Entwicklung reproduzierbarer Experimente, Benchmarks und Evaluierungsframeworks für graphbasierte KI-Verfahren.
Must Haves
• Fundierte mathematische Kenntnisse in Graphentheorie, linearer Algebra, Wahrscheinlichkeitsrechnung, Statistik und Optimierung.
• Tiefgehende Erfahrung mit Knowledge Graphs, Information Extraction, Ontology Learning und semantischer Modellierung.
• Fundierte Kenntnisse im Bereich Graph-based Machine Learning und graphbasierter KI-Anwendungen.
• Erfahrung mit Large Language Models (LLMs) und KI-Agenten-Workflows zur Durchführung und Validierung von Forschungsexperimenten.
• Fortgeschrittene Programmierkenntnisse in Python, SQL und Graph-Abfragesprachen.
• Fundierte Erfahrung in der Konzeption und Durchführung wissenschaftlicher Experimente sowie im Einsatz reproduzierbarer Forschungswerkzeuge.
• Umfassende Kenntnisse in der experimentellen Evaluation, Fehleranalyse, Unsicherheitsschätzung und Sensitivitätsanalyse.