Researcher (m/w/d/x) im Bereich Wissensextraktion und kausale Modellierung in Saarbrücken oder Berlin

Der Forschungsbereich Neuro-Mechanistische Modellierung sucht eine*n Researcher oder Junior Researcher im Bereich Wissensextraktion und kausale Modellierung als Teil der Forschungsgruppe Kausale Modelle und Repräsentationen. Idealerweise bringen Sie eine starke informatische und statistische Ausbildung sowie Erfahrungen im Bereich maschinelle Sprachverarbeitung und/oder in der kausalen Modellierung wissenschaftlicher Hypothesen mit. Die Stelle ist Teil des ProjektsEcoAIRE - AI-assisted hypothesis assessment in invasion biology and the restoration of freshwater ecosystems under fragmented and heterogeneous ecological evidenceim Förderprogramm Kooperative Exzellenz der Leibniz-Gemeinschaft. Das Projekt verbindet die Expertise des DFKI in der künstlichen Intelligenz und kausalen Modellierung mit der Expertise des Leibniz-Informationszentrums Technik und Naturwissenschaften (TIB) auf dem Gebiet der wissenschaftlichen Wissensrepräsentation und dem ökologischen Fachwissen des Leibniz-Instituts für Gewässerökologie und Binnenfischerei (IGB).

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.

Am DFKI 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, unter welchen Bedingungen wissenschaftliche Aussagen gelten und wie diese durch die Erhebung, Analyse und Simulation von Daten sowie durch empirische Studien überprüft werden können.

• Gemeinsam mit Wissenschaftler:innen der TIB und des IGB entwickeln Sie 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 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.
• Sie unterstützen bei der Betreuung von Anschlussarbeiten und leiten Hilfswissenschafter:innen an.

• Abschluss in Informatik, Statistik oder einem eng verwandten Fachgebiet (mindestens Bachelor oder vergleichbar; falls noch nicht vorhanden, sollte der Masterabschluss oder vergleichbar kurz vor der Vollendung stehen)
• Gute Programmierkenntnisse in Python sowie praktische Kenntnisse moderner Methoden der Softwareentwicklung, beispielsweise Git-basierter Zusammenarbeit, automatisierter Tests und reproduzierbarer Experimente.
• Nachweisbare Vorkenntnisse auf dem Gebiet der maschinellen Sprachverarbeitung und/oder Kenntnisse der kausalen Modellierung und kausalen Inferenz, beispielsweise kausaler Graphen, struktureller Kausalmodelle oder dem Design wissenschaftlicher Studien. Eine starke Motivation, sich fehlende Kenntnisse schnell anzueignen.
• Ausgeprägtes Kommunikations-, Moderations- und Präsentationsgeschick
• Exzellente Kommunikations- und Teamfähigkeit insbesondere hinsichtlich der Zusammenarbeit mit Expert:innen anderer Fachgebiete
• Sehr gute Englischkenntnisse in Wort und Schrift
• Engagement, Zuverlässigkeit und Eigeninitiative

• Ein innovatives und professionelles Arbeitsumfeld an einem der herausragenden Informatikstandorte Deutschlands auf dem Saarbrücker Campus oder am DFKI Labor in Berlin
• Möglichkeit zum Vorantreiben eigener Forschungen innerhalb einer erstklassig ausgestattete Forschungsinfrastruktur
• Ein attraktives Gehalt, flexible Arbeitszeiten und die Option auf Homeoffice
• Enge Zusammenarbeit mit der anderen nationalen und internationalen Forschungseinrichtungen sowie mit Partner:innen aus Anwendung und Industrie
• Möglichkeit der Teilnahme an wissenschaftlichen Workshops und Konferenzen im In- und Ausland
• Vielseitige und anspruchsvolle Aufgaben
• Ein motiviertes und interdisziplinär besetztes Projektteam
• Möglichkeit zur Promotion

Interessent:innen können sich bei Herrn Dr. Jonas Wahl, Leitung der Forschungsgruppe Kausale Modelle und Repräsentationen, per E-Mail unterjonas.wahl@dfki.de näher über das Arbeitsgebiet informieren.

#J-18808-Ljbffr