Research Engineer - Reinforcement Learning and Agentic AI (f/m/div.)

Bei Bosch gestalten wir die Zukunft, indem wir hochwertige Technologien und Dienstleistungen erfinden, die Begeisterung wecken und das Leben der Menschen bereichern. Unser Versprechen an unsere Mitarbeiter ist fest: Wir wachsen zusammen, genießen unsere Arbeit und inspirieren uns gegenseitig. Willkommen bei Bosch. Die Robert Bosch GmbH freut sich auf Ihre Bewerbung!

Als Forschungsingenieur in der Gruppe für semantisches Verständnis und Schlussfolgern (CR/AIR4) bei Bosch Corporate Research werden Sie die nächste Generation von agentischen KI-Systemen auf Basis von Reinforcement Learning entwickeln, mit einem Schwerpunkt auf Anwendungen im Systems Engineering. Ihre Arbeit wird sich damit befassen, wie intelligente Agenten komplexe Ingenieur-Workflows unterstützen und teilweise automatisieren können, indem sie lernen, strukturierte Entscheidungen in Umgebungen zu treffen, die durch Einschränkungen, Spezifikationen, Systemmodelle und langfristige Ziele geprägt sind.

Diese Rolle konzentriert sich auf das Design von KI-Agenten, die nicht nur auf Eingaben reagieren, sondern auch mit Ingenieurobjekten interagieren, über Ziele und Einschränkungen nachdenken und ihr Verhalten durch Feedback, Simulation und Optimierung verbessern können. Sie werden untersuchen, wie Reinforcement Learning, hierarchische Entscheidungsfindung, modellbasierte Methoden und Planung mit modernen agentischen KI-Architekturen kombiniert werden können, um Ingenieuraufgaben wie Architekturexploration, Anforderungsanalyse, systemweite Abwägung, Validierungsunterstützung und Prozessoptimierung zu unterstützen.

Ein zentraler Bestandteil der Rolle besteht darin, fortschrittliche RL-Methoden mit den Realitäten der Bosch-Ingenieurumgebungen zu verbinden. Dazu gehört die Definition geeigneter Zustands- und Aktionsdarstellungen für technische Workflows, die Integration symbolischen und strukturierten Wissens, das Design von Belohnungsmechanismen, die mit den Ingenieurzielen übereinstimmen, und der Aufbau von Simulations- oder Surrogatumgebungen, in denen Agenten sicher und effizient lernen können. Ihre Arbeit kann auch die Interaktion zwischen sprachbasierten Agenten und formalen Ingenieurtätigkeiten umfassen, um KI-Systeme zu ermöglichen, die über textuelle, symbolische und numerische Darstellungen hinweg operieren können.

Sie werden eng mit Forschungswissenschaftlern, KI-Ingenieuren und Experten für Systems Engineering bei Bosch zusammenarbeiten, um diese Methoden in realistischen Anwendungsfällen zu prototypisieren und zu evaluieren. Ihre Beiträge werden dazu beitragen, die langfristigen Fähigkeiten von Bosch in intelligenten Ingenieurunterstützungssystemen und agentenbasierter Automatisierung für komplexe technische Bereiche zu gestalten.

Qualifikationen

• Bildung: hervorragender MSc in Informatik, Maschinellem Lernen, Robotik, Systems Engineering, Regelungstechnik oder verwandten Bereichen; PhD in Maschinellem Lernen, Reinforcement Learning, Agentic AI, sequentieller Entscheidungsfindung oder verwandten Bereichen; starke Publikationsbilanz in führenden AI-, maschinellen Lern- oder autonomen Systemveranstaltungen wie NeurIPS, ICLR, ICML, AAAI, IJCAI, CoRL, RSS, AAMAS oder ähnlichem.
• Erfahrung und Wissen: starke Expertise in Reinforcement Learning, sequentieller Entscheidungsfindung oder lernbasiertem Planen; Erfahrung mit modellbasiertem RL, offline RL, hierarchischem RL, Multi-Agenten-RL oder eingeschränktem RL ist sehr wünschenswert; Vertrautheit mit agentischen KI-Architekturen, die zielgerichtetes Verhalten, Gedächtnis, Werkzeugnutzung, mehrstufiges Denken und langfristige Aufgabenbearbeitung umfassen; Fähigkeit, Agenten zu entwerfen, die aus Interaktion, Simulation oder strukturiertem Feedback in komplexen Umgebungen lernen.
• Systems Engineering & Ingenieureintelligenz: starkes Interesse an der Anwendung von KI auf Systems Engineering-Aufgaben wie Entwurfsraumexploration, Anforderungsanalyse, Architekturoptimierung, Verifikationsunterstützung oder Automatisierung von Ingenieur-Workflows; Vertrautheit mit strukturierten Ingenieurdokumenten wie Anforderungen, Systemmodellen, Abhängigkeitsgraphen, Simulationsausgaben oder Testspezifikationen; Fähigkeit, Ingenieurprobleme als sequentielle Entscheidungsfindung oder Optimierungsaufgaben zu formulieren; Interesse an der Kombination formaler Ingenieurprozesse mit adaptiven KI-Methoden.
• Planung, Simulation & Strukturierte Argumentation: Erfahrung mit Planung, Suche, Optimierung oder Entscheidungsfindung unter Einschränkungen und Unsicherheit; Vertrautheit mit simulationsbasiertem Lernen und der Erstellung von Trainingsumgebungen für Agenten, die in technischen oder cyber-physischen Bereichen arbeiten; Interesse an der Kombination von RL mit symbolischen Darstellungen, strukturierten Weltmodellen, Wissensgraphen oder formalen Methoden; Verständnis dafür, wie sprachbasierte Schnittstellen und Argumentationsmodule in agentische Entscheidungssysteme integriert werden können.
• Industrielle Erfahrung, KI-Infrastruktur & Experimentation: solide Erfahrung in Python und modernen Deep-Learning-Frameworks wie PyTorch, TensorFlow oder JAX in industriellen Anwendungen; Vertrautheit mit skalierbaren Experimenten, verteiltem Training und Evaluierungspipelines; Erfahrung mit Docker, Git, CI/CD und kollaborativen Softwareentwicklungsmethoden; Fähigkeit, reproduzierbare Forschungsinfrastrukturen für das Training, Benchmarking und die Analyse agentischer KI-Systeme aufzubauen.

Persönlichkeit und Arbeitsweise: Sie bringen eine starke wissenschaftliche Erfolgsbilanz in erstklassigen AI-Veranstaltungen wie NeurIPS, ICLR, ICML, AAAI, IJCAI, AAMAS, CoRL oder verwandten Konferenzen mit; Sie besitzen eine unternehmerische Denkweise mit der Fähigkeit, fortschrittliche Forschung in praktische Innovationen umzusetzen; Sie haben starke analytische und konzeptionelle Fähigkeiten, insbesondere in der Verbindung methodologischer Fortschritte mit realen Ingenieuranforderungen.

Begeisterung: Sie fühlen sich wohl in interdisziplinären Teams und tragen zu kollaborativen Initiativen in der Bosch-Forschung und -Entwicklung bei.

Sprachen: fließend in Englisch, Deutsch ist von Vorteil.

Vorteile: Wir bieten flexible Arbeitsmodelle: von verschiedenen Teilzeitoptionen bis hin zu mobilem Arbeiten und Jobsharing. Vielfalt und Inklusion sind für uns keine Trends, sondern fest in unserer Unternehmenskultur verankert. Daher begrüßen wir alle Bewerbungen, unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität.