Wissenschaftliche:r Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d)
Technische Informationsbibliothek (TIB) sucht: Wissenschaftliche:r Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d) in Hannover. Der Job ist als Teilzeit, Vollzeit, Homeoffice möglich ausgeschrieben. veröffentlicht am 31.10.2026.
- Arbeitgeber
- Technische Informationsbibliothek (TIB)
- Ort
- Hannover
- Beschäftigungsart
- Teilzeit, Vollzeit, Homeoffice möglich
- Veröffentlicht
- 31.10.2026
Aufgaben und Anforderungen: Wissenschaftliche:r Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d) bei Technische Informationsbibliothek (TIB)
Die Technische Informationsbibliothek (TIB) ist eine Stiftung öffentlichen Rechts des Landes Niedersachsen. Mit rund 600 Beschäftigten und einem Etat von circa 60 Millionen Euro ist sie eine der größten Informationsinfrastruktureinrichtungen in Deutschland.
Als Deutsche Zentrale Fachbibliothek für Technik und Naturwissenschaften sichern wir mit unseren zukunftsweisenden Dienstleistungen die infrastrukturellen Voraussetzungen einer qualitativ hochwertigen Informations- und Literaturversorgung für Forschung in Wissenschaft und Industrie. Mit dem Open Research Knowledge Graph (ORKG) arbeiten wir daran, den Austausch und die Nutzung wissenschaftlicher Erkenntnisse im digitalen Zeitalter zu revolutionieren.
Die TIB, Programmbereich D, Open Research Knowledge Graph, sucht für die Forschungsgruppe Data Science & Digital Libraries (Prof. Dr. Sören Auer) zum nächstmöglichen Zeitpunkt eine:n
Wissenschaftliche:n Mitarbeiter:in / Doktorand:in für Natural Language Processing (NLP) und kausale KI (m/w/d)
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. Die regelmäßige Wochenarbeitszeit beträgt 39,80 Stunden (Vollzeit). Der Arbeitsplatz ist grundsätzlich für Teilzeitbeschäftigung geeignet. Mobiles Arbeiten ist unter Berücksichtigung dienstlicher Erfordernisse in begrenztem Umfang möglich. Die Eingruppierung erfolgt in die Entgeltgruppe 13 TV-L.
Aufgaben
Die Stelle ist Teil des Projekts EcoAIRE - AI-assisted hypothesis assessment in invasion biology and the restoration of freshwater ecosystems under fragmented and heterogeneous ecological evidence im Förderprogramm Leibniz-Kooperative Exzellenz. Das Projekt verbindet die Expertise der TIB in der Verarbeitung natürlicher Sprache und der wissenschaftlichen Wissensrepräsentation mit der ökologischen Expertise des Leibniz-Instituts für Gewässerökologie und Binnenfischerei (IGB) sowie der Expertise des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in der kausalen Modellierung.
An der TIB 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 und unter welchen Bedingungen wissenschaftliche Aussagen gelten. Darauf aufbauend erforschen Sie kausale und von Weltmodellen inspirierte Ansätze für wissenschaftliches Schlussfolgern. Dazu gehören Simulationen, interventionsbasierte Schlussfolgerungsverfahren und die Bewertung von Hypothesen unter veränderten Bedingungen.
Ihre Tätigkeit umfasst
- Sie entwickeln 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 und von Weltmodellen inspirierte 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.
Profil
- Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder gleichwertiger Abschluss) in Informatik oder einem eng verwandten Fachgebiet, beispielsweise Künstliche Intelligenz (Artificial Intelligence), maschinelle Sprachverarbeitung (Natural Language Processing), maschinelles Lernen (Machine Learning), Data Science oder Computerlinguistik.
- Nachweisbare Erfahrung in der Forschung oder Softwareentwicklung mit Python sowie praktische Kenntnisse moderner Methoden der Softwareentwicklung, beispielsweise Git-basierter Zusammenarbeit, automatisierter Tests und reproduzierbarer Experimente.
- Nachweisbare praktische Erfahrung mit transformerbasierten Modellen und großen Sprachmodellen, einschließlich der Nutzung von Frameworks wie PyTorch, Hugging Face Transformers oder vergleichbaren Technologien für NLP-Anwendungen.
- Praktische Erfahrung in der Entwicklung agentenbasierter KI-Workflows oder von Multiagenten-KI-Workflows, einschließlich Werkzeugnutzung, strukturierter Ausgaben, Orchestrierung oder iterativer Verarbeitungspipelines für Schlussfolgerungen.
- Sehr gute Englischkenntnisse auf mindestens dem Niveau C1 für die wissenschaftliche Kommunikation, Zusammenarbeit und Publikationstätigkeit.
Wünschenswerte Qualifikationen
- Erfahrung mit der Feinabstimmung oder Anpassung großer Sprachmodelle und/oder dem Aufbau fortgeschrittener RAG-Pipelines unter Verwendung von Technologien wie PyTorch, Hugging Face Transformers, Sentence Transformers, LangChain, LlamaIndex, FAISS, Qdrant oder vergleichbaren Werkzeugen. Dazu zählen embeddingbasierte Informationssuche, Reranking, Vektorsuche und strukturierte Generierung.
- Kenntnisse der kausalen Modellierung und kausalen Inferenz, beispielsweise kausaler Graphen, struktureller Kausalmodelle oder interventionsbasierter Schlussfolgerungsverfahren.
- Erfahrung mit Semantic-Web-Technologien.
- Fachkenntnisse in der Ökologie, insbesondere der Süßwasserökologie, Invasionsbiologie oder Renaturierungsökologie, oder Erfahrung in der Mitarbeit an interdisziplinären wissenschaftlichen Projekten.
Wir bieten
Unser Ziel ist es, die Bereitstellung und Nutzung von Forschungsdaten und -informationen immer wieder neu zu überdenken und zu innovieren. Wir bieten ein intellektuell inspirierendes Umfeld mit unternehmerischer Denkweise, eingebettet in eine führende technische Universität und eines der größten Informationszentren der Leibniz-Gemeinschaft. Mit dem Forschungszentrum L3S der Leibniz Universität Hannover, eines der weltweit führenden Forschungsinstitute im Bereich Web & Data Science, besteht dabei im Rahmen des Leibniz Joint Lab Data Science & Open Knowledge eine enge Kooperation.
Nicht zuletzt legen wir Wert auf ein offenes und kreatives Arbeitsklima, in dem es Spaß macht zu arbeiten.
Darüber hinaus bieten wir
- einen gemeinwohlorientierten Arbeitsplatz im öffentlichen Dienst auf der Grundlage des TV-L mit einer Vergütung nach der Entgeltgruppe 13 TV-L.
- eine Sonderzahlung zum Jahresende sowie 30 Tage Urlaub im Jahr bei einer Fünf-Tage-Woche sowie zusätzliche freie Tage an Heiligabend (24.12.) und Silvester (31.12.).
- einen flexiblen Arbeitsplatz in Zeit und Raum mit Angeboten zur Vereinbarkeit von Beruf und Familie wie u. a. mobiles Arbeiten und flexiblen Arbeitszeitmodellen (Gleitzeit).
- einen modernen Arbeitsplatz in zentraler Lage von Hannover mit einem kollegialen, attraktiven und vielseitigen Arbeitsumfeld.
- einen Arbeitgeber mit breit gefächertem Fort- und Weiterbildungsangebot, einer betrieblichen Gesundheitsförderung und Altersvorsorge für den öffentlichen Dienst (VBL).
- Beschäftigtenrabatt in den Mensen des Studentenwerks Hannover sowie vergünstigte Möglichkeit zur Nutzung der vielseitigen Angebote des Hochschulsports Hannover.
- eigenverantwortliche und zukunftsorientierte Tätigkeiten, die Abwechslung bieten und Raum für persönliche Entwicklung lassen.
- die Finanzierung der erforderlichen Ausstattung sowie von Reisen zu Konferenzen und Forschungsaufenthalten.
- die Mitarbeit in einem nationalen Forschungs- und Innovationsprojekt.
- ein breites Spektrum an Forschungsinfrastrukturen und Technologiekomponenten, auf denen Sie aufbauen können. Dazu gehören TIB AIssistant, der Open Research Knowledge Graph (ORKG), ORKG Ask sowie Forschungssoftware aus dem SciKnowOrg-Ökosystem.