Doktorand Graph Intelligence & Agentic Graph RAG als Analyst / Consultant (w|m|d) | findic

Du entwickelst und erforschst graphbasierte KI-Ansätze, insbesondere Agentic Graph RAG und agentische Systeme, für komplexe Wissens- und Entscheidungsprozesse. Du konzipierst Graph-RAG-Architekturen, die strukturierte Daten, Wissensgraphen und unstrukturierte Dokumente integrieren und hybride Retrieval-Verfahren für komplexe Wissensfragen nutzen. Du entwickelst agentische Workflows, die Graphen zur Informationssuche, für mehrstufige Schlussfolgerungen und zur nachvollziehbaren Entscheidungsunterstützung nutzen. Du untersuchst die Zuverlässigkeit, Erklärbarkeit, Datenherkunft und Kontrollierbarkeit von KI-Systemen in hochregulierten Umfeldern. Du überführst aktuelle Forschung in robuste, praxistaugliche Data-&-AI-Lösungen für Banken, Versicherungen und weitere regulierte Branchen.

Du hast einen sehr guten Masterabschluss in Informatik, Mathematik, Data Science oder einem verwandten Fachgebiet und arbeitest aktuell an deiner Promotion oder beginnst das Promotionsstudium in Kürze. Du verstehst RAG-Architekturen im Detail, von Chunking und Embedding-Modellen über hybrides Retrieval und Reranking bis zur systematischen Analyse von Retrieval-Fehlern. Du hast RAG- oder agentische Systeme praktisch umgesetzt und kennst Frameworks wie LangGraph oder LlamaIndex oder hast eigene Orchestrierungslogik entwickelt. Du verfügst über Kenntnisse in Knowledge Graphs oder Graphdatenbanken und verstehst das Zusammenspiel von Graph Traversal, Subgraph Retrieval und Vektor-Retrieval. Du kannst LLM-Systeme reproduzierbar evaluieren, etwa hinsichtlich Retrieval Recall@k, Rankingqualität, Korrektheit der Quellenzuordnung, Belegbarkeit generierter Aussagen und zuverlässiger Toolnutzung. Du verfügst über sehr gute Deutschkenntnisse (mindestens C1-Niveau, verhandlungssicher) sowie gute Englischkenntnisse (mindestens B2-Niveau, fließend) in Wort und Schrift. Diese Skills wären ein weiteres Plus, sindaber kein Muss:

• Erfahrung mit Graph-RAG-Architekturen, Neo4j oder anderen graphbasierten Retrieval-Verfahren.
• Erfahrung mit agentischer Orchestrierung, mehrstufigem Tool Use und der kontrollierten Begrenzung autonomer Agenten.
• Kenntnisse in Zugriffskontrolle, Datenherkunft, Audit Trails, Prompt-Injection-Abwehr und Governance für regulierte KI-Systeme.
• Erfahrung mit Docker, automatisierten Tests, Monitoring und dem produktiven Betrieb von LLM-Anwendungen.

Deine Benefits

Good to know: Diese Stelle ist in Voll- oder Teilzeit zu besetzen.