Senior AI Knowledge Engineer (all genders)

Standorte: München, Nürnberg

Bei Exxeta fördern wir das traditionelle Konzept von Beratung und Tech heraus. Über 1200 Kolleg:innen an verschiedenen Standorten schaffen jeden Tag gemeinsam digitale Lösungen, verändern Märkte und Mindsets – angetrieben von unserer Leidenschaft für Technologie, unserem Teamspirit und dem Drang, echten Impact zu schaffen.

Du gibst KI- und Agentensystemen ein verlässliches, auditierbares Wissensfundament: Mit Ontologien und Knowledge Graphs legst du fest, was die Begriffe eines Unternehmens tatsächlich bedeuten, und verbindest verteilte Datenlandschaften zu intelligenten Wissensarchitekturen. Egal ob du Unternehmenswissen über Knowledge Graphs strukturiert erschließt, semantische Layer über Silos hinweg aufbaust, hybride Retrieval-Systeme (RAG) orchestrierst oder KI-Agenten mit auditierbarem Unternehmenskontext versorgst – du weißt, wie man aus isolierten Daten eine strategische Wissensbasis formt.

Was erwartet dich:

• Du baust und verbesserst den Knowledge Backbone für moderne AI- und Agent-Systeme und entwickelst semantische Layer, über die Agents strukturiertes und unstrukturiertes Wissen zuverlässig nutzen können.
• Du entwickelst Knowledge Graphs, Ontologien und semantische Datenmodelle und verbinde Informationen aus unterschiedlichen Quellen zu einem konsistenten, maschinenlesbaren Wissensraum.
• Du gestaltest RAG- und GraphRAG-Architekturen und kombinierst Graph Retrieval, Vector Search, Semantic Search und weitere Verfahren für leistungsfähige Retrieval-Systeme.
• Du entwickelst Pipelines für Knowledge Extraction, Entity Resolution und Provenance und beschäftigst dich mit Memory und Context Engineering für agentische Anwendungen.
• Dein Tech-Stack? Neo4j, GraphDB, RDF, SPARQL, Vector Stores, Cognee, Mem0, SemVec sowie Python, Go, Rust als Programmiersprache und vergleichbare Technologien.
• Du treibst Projekte in unterschiedlichen Branchen voran, z. B. den Aufbau unternehmensweiter Knowledge Layer oder intelligenter Wissens- und Retrieval-Systeme für komplexe AI Agents.
• In Workshops mit Fachbereichen und Kund:innen erhebst du Domänenwissen und übersetzt fachliche Bedeutung in formale Ontologien, Taxonomien und Vokabulare – vom Business-Begriff bis zum maschinenlesbaren Modell.
• Du verantwortest den Lebenszyklus der Wissensmodelle: Versionierung, Weiterentwicklung sowie Alignment und Mapping zwischen Ontologien und deren Qualitätssicherung im laufenden Betrieb.
• Du machst aus einem Graphen eine echte Ontologie: Mit Reasoning und Inferenz (OWL-Entailment, SHACL-Rules, regelbasierte Anreicherung) leitest du implizites Wissen ab und hältst den Wissensraum konsistent.

Was erwarten wir von dir:

• Persönlicher Background: Du bringst mehrjährige Erfahrung im Knowledge-, Data- oder AI-Engineering mit und bewegst dich sicher in daten- und wissensintensiven Systemlandschaften. Wissensrepräsentation und semantische Datenmodellierung sind dir dabei vertraut.
• Tech Skills: Dein Herz schlägt für Knowledge Engineering und Agentic AI. Du modellierst Ontologien und Knowledge Graphs entlang etablierter Standards wie RDF(S), OWL, SPARQL und SHACL, bist mit Triple Stores und Labeled Property Graphs vertraut und hast idealerweise mit Graphdatenbanken (Neo4j, GraphDB) sowie Memory- und Knowledge-Frameworks (Cognee, Mem0, SemVec) gearbeitet.
• Standardvokabulare und Upper Ontologies (z. B. SKOS, schema.org, Dublin Core) setzt du gezielt wieder ein, statt alles neu zu modellieren.
• Knowledge als Fokus: Du verstehst Embeddings, Vector Search, RAG und GraphRAG und weißt, wann Graph Retrieval, semantische Suche oder hybride Ansätze sinnvoll sind.
• Du möchtest aus heterogenen Daten strukturiertes und nutzbares Wissen schaffen, das für KI-Systeme und Agenten zur verlässlichen Grundlage wird.
• Qualität: Du kennst Evaluations- und Benchmark-Verfahren für Retrieval- und Wissensqualität (inklusive Konsistenz- und Constraint-Checks) und machst vertrauenswürdiges, auditierbares Grounding so überprüfbar.
• Mindset: Ein Knowledge Graph ist für dich kein Selbstzweck und RAG nicht einfach eine Vector Database. Du denkst als Engineer, hinterfragst Datenmodelle und Retrieval-Qualität und entwickelst skalierbare, wartbare und produktionsfähige Lösungen.
• On the road: Du bist reisebereit und flexibel, unsere Kunden bundesweit vor Ort zu beraten.
• Let's talk: Du sprichst fließend Deutsch und Englisch - super, dann findest du dich bei Exxeta bestens zurecht.

Warum Exxeta: Bei Exxeta entwickeln wir digitale Lösungen, die wirklich etwas verändern – in Unternehmen, Märkten und Köpfen. Über 1200 Kolleg:innen bringen dafür Technologie, Ideen und unterschiedliche Perspektiven zusammen. Was uns antreibt: Neugier, Teamspirit und der Anspruch, echten Impact zu schaffen.