Wissenschaftliche:n Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d)

Beschreibung

Wissenschaftliche:n Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d) Arbeitgeber: Technische Informationsbibliothek (TIB) Tätigkeitsfeld: Wissenschaft und Technik Ort: Hannover Arbeitszeit: Vollzeit Anstellungsdauer: Befristet Bewerbungsfrist: 14.11.2026 Laufbahn / Entgeltgruppe: Höherer Dienst Kennziffer: 44/2026 Tätigkeitsprofil: Als Deutsche Zentrale Fachbibliothek für Technik und Naturwissenschaften sichern wir mit unseren zukunftsweisenden Dienstleistungen die infrastrukturellen Voraussetzungen einer qualitativ hochwertigen Informations- und Literaturversorgung für Forschung in Wissenschaft und Industrie. Mit dem Open Research Knowledge Graph (ORKG) arbeiten wir daran, den Austausch und die Nutzung wissenschaftlicher Erkenntnisse im digitalen Zeitalter zu revolutionieren. Die Technische Informationsbibliothek (TIB), Programmbereich D, Open Research Knowledge Graph, sucht für die Forschungsgruppe Data Science & Digital Libraries (Prof. Dr. Sören Auer) zum nächstmöglichen Zeitpunkt eine:n Wissenschaftliche:n Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d) Die Stelle ist für die Dauer der Projektlaufzeit von drei Jahren befristet. Die Einstellung erfolgt vorbehaltlich der finalen Bewilligung der Mittel durch den Drittmittelgeber Leibniz-Gemeinschaft. Die regelmäßige Wochenarbeitszeit beträgt 39,80 Stunden (Vollzeit). Der Arbeitsplatz ist grundsätzlich für Teilzeitbeschäftigung geeignet. Mobiles Arbeiten ist unter Berücksichtigung dienstlicher Erfordernisse in begrenztem Umfang möglich. Die Eingruppierung erfolgt in die Entgeltgruppe 13 TV-L. Ihre Aufgaben Die Stelle ist Teil des Projekts EcoAIRE - AI-assisted hypothesis assessment in invasion biology and the restoration of freshwater ecosystems under fragmented and heterogeneous ecological evidence im Förderprogramm Leibniz-Kooperative Exzellenz. Das Projekt verbindet die Expertise der TIB in der Verarbeitung natürlicher Sprache und der wissenschaftlichen Wissensrepräsentation mit der ökologischen Expertise des Leibniz-Instituts für Gewässerökologie und Binnenfischerei (IGB) sowie der Expertise des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in der kausalen Modellierung. An der TIB liegt Ihr Forschungsschwerpunkt auf der Verarbeitung natürlicher Sprache zur Extraktion wissenschaftlicher und kausaler Informationen. Sie entwickeln Methoden, die wissenschaftliche Evidenz in strukturierte, maschinenverarbeitbare Repräsentationen von Hypothesen, Variablen, Kontextinformationen, Unsicherheiten und kausalen Zusammenhängen überführen. Dabei geht Ihre Forschung über die Extraktion einzelner Fakten hinaus: Sie modellieren, wie wissenschaftliche Befunde zusammenhängen und unter welchen Bedingungen wissenschaftliche Aussagen gelten. Darauf aufbauend erforschen Sie kausale und von Weltmodellen inspirierte Ansätze für wissenschaftliches Schlussfolgern. Dazu gehören Simulationen, interventionsbasierte Schlussfolgerungsverfahren und die Bewertung von Hypothesen unter veränderten Bedingungen. Ihre Tätigkeit umfasst - Sie entwickeln ein multimodales Rahmenwerk, das heterogene wissenschaftliche Wissensquellen - darunter Publikationen, Bilder, ergänzende Informationen, Datensätze und weitere Forschungsartefakte - in strukturierte Repräsentationen zur Hypothesenbewertung integriert und dabei die Herkunft der Informationen nachvollziehbar berücksichtigt. - Sie entwickeln sprachmodellbasierte und agentenbasierte Methoden, um Hypothesen, Variablen, Kontextinformationen, Evidenz, Unsicherheiten sowie kausale oder mechanistische Zusammenhänge quellenübergreifend zu extrahieren, zu vereinheitlichen, aufeinander abzustimmen und zusammenzuführen. - Sie erforschen kausale und von Weltmodellen inspirierte Ansätze für wissenschaftliches Schlussfolgern, um Interventionen zu simulieren und zu untersuchen, inwieweit sich Hypothesen auf veränderte Bedingungen übertragen lassen. - Sie entwickeln Evaluationsrahmenwerke, die unterschiedliche Qualitätsaspekte der KI-gestützten Hypothesenbewertung erfassen. Dazu gehören Verfahren auf Grundlage fachlicher Expertenbewertungen sowie Ansätze, bei denen große Sprachmodelle als Bewertungsinstanz eingesetzt werden („LLM-as-a-judge“). - Sie veröffentlichen Ihre Forschungsergebnisse auf Konferenzen und in Fachzeitschriften mit Peer-Review-Verfahren in den Bereichen NLP, Semantic Web, künstliche Intelligenz und maschinelles Lernen. Zudem wirken Sie an Projektberichten und der Verbreitung der Forschungsergebnisse mit. Anforderungsprofil: - Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder gleichwertiger Abschluss) in Informatik oder einem eng verwandten Fachgebiet, beispielsweise Künstliche Intelligenz (Artificial Intelligence), maschinelle Sprachverarbeitung (Natural Language Processing), maschinelles Lernen (Machine Learning), Data Science oder Computerlinguistik. - Nachweisbare Erfahrung in der Forschung oder Softwareentwicklung mit P

Bereiche

Quelle

Quelle: service.bund.de