Deine Aufgaben:

• Du entwickelst und erforschst graphbasierte KI-Ansätze, insbesondere Agentic Graph RAG und agentische Systeme, für komplexe Wissens- und Entscheidungsprozesse.
• Du konzipierst Graph-RAG-Architekturen, die strukturierte Daten, Wissensgraphen und unstrukturierte Dokumente integrieren und hybride Retrieval-Verfahren für komplexe Wissensfragen nutzen.
• Du entwickelst agentische Workflows, die Graphen zur Informationssuche, für mehrstufige Schlussfolgerungen und zur nachvollziehbaren Entscheidungsunterstützung nutzen.
• Du untersuchst die Zuverlässigkeit, Erklärbarkeit, Datenherkunft und Kontrollierbarkeit von KI-Systemen in hochregulierten Umfeldern.
• Du überführst aktuelle Forschung in robuste, praxistaugliche Data-&-AI-Lösungen für Banken, Versicherungen und weitere regulierte Branchen.

Deine Skills:

• Du hast einen sehr guten Masterabschluss in Informatik, Mathematik, Data Science oder einem verwandten Fachgebiet und arbeitest aktuell an deiner Promotion oder beginnst das Promotionsstudium in Kürze.
• Du verstehst RAG-Architekturen im Detail, von Chunking und Embedding-Modellen über hybrides Retrieval und Reranking bis zur systematischen Analyse von Retrieval-Fehlern.
• Du hast RAG- oder agentische Systeme praktisch umgesetzt und kennst Frameworks wie LangGraph oder LlamaIndex oder hast eigene Orchestrierungslogik entwickelt.
• Du verfügst über Kenntnisse in Knowledge Graphs oder Graphdatenbanken und verstehst das Zusammenspiel von Graph Traversal, Subgraph Retrieval und Vektor-Retrieval.
• Du kannst LLM-Systeme reproduzierbar evaluieren, etwa hinsichtlich Retrieval Recall@k, Rankingqualität, Korrektheit der Quellenzuordnung, Belegbarkeit generierter Aussagen und zuverlässiger Toolnutzung. 
• Du verfügst über sehr gute Deutschkenntnisse (mindestens C1-Niveau, verhandlungssicher) sowie gute Englischkenntnisse (mindestens B2-Niveau, fließend) in Wort und Schrift.  #LI-Hybrid  #LI-LE1
  

Diese Skills wären ein weiteres Plus, aber kein Muss:

• Erfahrung mit Graph-RAG-Architekturen, Neo4j oder anderen graphbasierten Retrieval-Verfahren.
• Erfahrung mit agentischer Orchestrierung, mehrstufigem Tool Use und der kontrollierten Begrenzung autonomer Agenten.
• Kenntnisse in Zugriffskontrolle, Datenherkunft, Audit Trails, Prompt-Injection-Abwehr und Governance für regulierte KI-Systeme.
• Erfahrung mit Docker, automatisierten Tests, Monitoring und dem produktiven Betrieb von LLM-Anwendungen.

Diese Stelle ist in Voll- oder Teilzeit zu besetzen.