<div class="show-more-less-html__markup show-more-less-html__markup--clamp-after-5 relative overflow-hidden"> <p>Suche AI Engineer zur Durchführung von FFplus Förderprojekt. Projektstart: 1. September.</p><br/><p>Förderprojekt in Kooperation mit KI Zentrum RWTH Aachen.</p><br/><ul><br/><li><strong>Konzeption, Implementierung und wissenschaftliche Validierung</strong> der KI-Kerninnovationen</li><br/><li>Entwicklung neuartiger <strong>generativer Bildmodelle und Trainingspipelines</strong> für architekturspezifische Anwendungsfälle.</li><br/><li>Forschung an <strong>kontrollierbaren, regions- und materialbasierten Generationsmethoden</strong> als Alleinstellungsmerkmal der Plattform.</li><br/><li>Durchführung systematischer Experimente, Benchmarking und qualitativer sowie quantitativer Evaluierungen.</li><br/><li>Enge Zusammenarbeit mit Produkt- und Engineering-Teams zur Überführung von Forschungsergebnissen in produktionsreife KI-Systeme.</li><br/><li>Verantwortung für die <strong>wissenschaftliche Substanz</strong> der Forschungsprojekte</li><br/><li>Positionierung als <strong>wissenschaftliches Herzstück</strong> der KI-Forschung innerhalb des Kernteams.</li><br/><li>Mission: Konzeption, Implementierung und wissenschaftliche Validierung der KI-Kerninnovationen. Du bist wissenschaftliches Herzstück der Forschungsprojekte.</li><br/></ul><br/>Aufgaben<br/><ul><br/><li>Konzeption und Weiterentwicklung der <strong>KI-Kernarchitektur</strong> für generative Bildmodelle mit Fokus auf architekturspezifische Anwendungsfälle.</li><br/><li>Entwicklung, Training und Optimierung von <strong>generativen Deep-Learning-Modellen</strong> (insbesondere Diffusion Models, UNet-Architekturen, Transformer-basierte Ansätze, Latent Diffusion).</li><br/><li>Implementierung und Evaluation von <strong>Fine-Tuning- und Adaptionsmethoden</strong> wie LoRA, DreamBooth-ähnlichen Verfahren und domänenspezifischem Transfer Learning.</li><br/><li>Forschung an <strong>kontrollierbaren Generationsmechanismen</strong>, z. B. regionsbasierte Steuerung, material- und texturbasierte Konditionierung sowie struktur- und kontextbewusste Bildsynthese.</li><br/><li>Aufbau und Pflege skalierbarer <strong>Trainings- und Experimentierpipelines</strong> (z. B. PyTorch, GPU-Cluster, automatisierte Experimente).</li><br/><li>Systematische <strong>wissenschaftliche Validierung</strong> der entwickelten Modelle durch Benchmarking, Ablationsstudien sowie qualitative und quantitative Evaluationsmethoden.</li><br/><li>Analyse, Aufbereitung und Kuratierung von <strong>Trainings- und Evaluierungsdatensätzen</strong> im architektonischen Kontext.</li><br/><li>Dokumentation von Forschungsergebnissen und methodischen Entscheidungen zur Sicherstellung von Reproduzierbarkeit und Wissenstransfer.</li><br/><li>Enge Zusammenarbeit mit dem <strong>Produkt-, Frontend- und Backend-Team</strong>, um Forschungsergebnisse in produktionsnahe KI-Systeme zu überführen.</li><br/><li>Technische Unterstützung bei der <strong>Antragstellung und Durchführung von Forschungs- und Förderprojekten</strong> (z. B. EXIST, ZIM, EU-Programme).</li><br/><li>Beobachtung und Bewertung aktueller <strong>Forschungsentwicklungen im Bereich generative KI</strong> und Ableitung relevanter Innovationspotenziale</li><br/></ul><br/>Qualifikation<br/><p>Abgeschlossenes <strong>Master- oder PhD-Studium</strong> in <strong>Informatik, Mathematik, Data Science, Computational Design</strong> oder einer vergleichbaren Disziplin.</p><br/><ul><br/><li><strong>Zwingende Expertise in generativer KI für Bilder</strong>, insbesondere im Training von Deep-Learning-Modellen.</li><br/><li>Nachweisbare praktische und/oder wissenschaftliche Erfahrung mit <strong>Diffusion Models</strong>, <strong>Transformern</strong>, <strong>UNet-Architekturen</strong>, <strong>Latent Diffusion Models</strong> sowie <strong>LoRA</strong>.</li><br/><li>Sehr gutes Verständnis von <strong>Deep-Learning-Methoden</strong>, Modellarchitekturen, Trainingsstrategien und Evaluierungsverfahren.</li><br/><li>Erfahrung im Umgang mit <strong>Forschungs- und Experimentier-Workflows</strong>, Reproduzierbarkeit und systematischer Modellbewertung.</li><br/><li>Starkes analytisches Denkvermögen sowie Interesse an der Verbindung von <strong>wissenschaftlicher Forschung und produktnaher Anwendung</strong>.</li><br/><li>Selbstständige, strukturierte Arbeitsweise und hohe intrinsische Motivation, neue KI-Ansätze zu erforschen und zur Reife zu bringen.</li><br/></ul><br/>Benefits<br/><ul><br/><li>Eine durch Fördergelder gesicherte und langfristige Beschäftigungsperspektive.</li><br/><li>Direkte Einflussnahme auf ein zukunftsweisendes Deep-Tech-Forschungsprojekt.</li><br/><li>Anteilsaneignung (Equity): Die Zuteilung von Unternehmensanteilen ist verhandelbar und Teil des Kompensationspakets.</li><br/><li>Chance auf CTO-Rolle.</li><br/><li>Wettbewerbsfähige Vergütung (verhandelbar).</li><br/></ul><br/><p>Start ist 1. September 2026</p><br/><p>Bewerbung ab sofort</p><br/><p>Gründer: Han Cheol Yi https://www.linkedin.com/in/h-yi/</p> </div>