Wissenschaftliche*r Mitarbeiter*in (Doktorand*in) im Bereich Large Language Models

Die Bergische Universität Wuppertal ist eine moderne, dynamische und forschungsorientierte Campusuniversität mit interdisziplinär ausgerichteten Profillinien in Forschung und Lehre. Gemeinsam stellen sich hier mehr als 26.000 Forschende, Lehrende und Studierende den Herausforderungen in Gesellschaft, Kultur, Bildung, Ökonomie, Technik, Natur und Umwelt.

In der Fakultät für Elektrotechnik, Informationstechnik und Medientechnik,
am Institute for Technologies and Management of Digital Transformation
(Leitung: Herr Prof. Dr.-Ing. Tobias Meisen),

ist zum nächstmöglichen Zeitpunkt, befristet bis zu drei Jahren,

eine Stelle als

Wissenschaftliche*r Mitarbeiter*in (Doktorand*in) im Bereich Large Language Models

mit 100 % der tariflichen Arbeitszeitzu besetzen.
(Teilzeit ist möglich, bitte geben Sie bei der Bewerbung an, ob Sie auch bzw. nur an einer Teilzeitbeschäftigung interessiert wären)

Stellenwert: E 13 TV-L

Wir über uns:

Wir sind ein interdisziplinäres Team, das sich mit technischen, individuellen sowie gesellschaftlichen Perspektiven der digitalen Transformation beschäftigt. Gemeinsam mit unseren Forschungs- und Anwendungspartnern treiben wir Innovation und Wandel voran. Unsere Erkenntnisse stellen wir der wissenschaftlichen Gemeinschaft durch Publikationen zur Verfügung und transferieren sie aktiv an unsere Partner sowie in unsere Bildungsaktivitäten. Im Forschungsbereich Semantic Systems Engineering beschäftigen wir uns mit der Erforschung von Ansätzen und Algorithmen, die es sowohl Menschen als auch technischen Systemen ermöglichen, strukturierte, semi-strukturierte und unstrukturierte Daten aus unterschiedlichen Datensilos und Softwaresystemen nahtlos zu sammeln, zu integrieren, zu finden, zu verstehen und zu verarbeiten. In unserem Forschungsschwerpunkt zu wissenserweiterten Sprachmodellen erforschen wir insbesondere wie große Sprachmodelle durch den gezielten Einsatz von zusätz­lichen Wissensbasen in Form von Vektordatenbanken, Wissensgraphen etc. eingesetzt werden können um die Qualität der Antworten zu verbessern.

Die Ausschreibung richtet sich an Hochschulabsolvent*innen mit Interesse an einer Promotion auf dem Gebiet der wissenserweiterten großen Sprachmodelle.

• Design, Entwicklung und Implementierung von Algorithmen und Modellen im Bereich der wissenserweiterten großen Sprachmodelle
• Erstellen, Optimieren und Testen von Eingabeprompts (Prompt-Engineering) für Sprachmodelle, um deren Genauigkeit und Effizienz zu steigern
• Anpassung und Fine-Tuning bestehender Sprachmodelle an spezifische Anwendungsfälle und Datensätze
• Entwicklung und Implementierung von Retrieval-Augmented Generation Pipelines zur Verbesserung der Sprachmodelle durch die Einbindung externer Wissensquellen
• Planung, Durchführung und Auswertung von Experimenten zur Evaluierung der Sprach­modelle
• Präsentation wissenschaftlicher Erkenntnisse in Seminaren, auf Tagungen und Konferenzen
• Förderung und Ausbau Ihrer persönlichen und wissenschaftlichen Qualifikation

• Abgeschlossenes Hochschulstudium (Master oder vergleichbar) der Fachrichtungen Informatik, Ingenieurswissenschaften (Maschinenbau, Elektrotechnik), Physik, Mathematik, Computerlinguistik oder vergleichbare Studiengänge
• Kenntnisse im Bereich des Natural Language Processings, insbesondere Large Language Models
• Spaß an der Programmierung, der sich im Lebenslauf widerspiegelt
• Analytische und strukturierte Arbeitsweise sowie ein hohes Maß an Problemlösungs­kompetenz
• Ausgeprägte Kommunikationsfähigkeiten und Teamfähigkeit
• Sicheres Auftreten, Kreativität und Freude an neuen Technologien
• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Es handelt sich um eine Qualifizierungsstelle im Sinne des Wissenschaftszeitvertragsgesetzes (WissZeitVG), die zur Förderung eines Promotionsverfahrens dient. Die Stelle ist befristet für die Dauer des Promotionsverfahrens, jedoch vorerst bis zu 3 Jahren, zu besetzen. Eine Verlängerung zum Abschluss der Promotion ist innerhalb der Befristungsgrenzen des WissZeitVG ggf. möglich.