PhD/Junior Researcher (w/m/x)

FIZ Karlsruhe – Leibniz-Institut für Informationsinfrastruktur ist eine der führenden Adressen für wissenschaftliche Information und Dienstleistung und Mitglied der Leibniz-Gemeinschaft. Unsere Kernaufgabe ist die professionelle Versorgung von Wissenschaft und Wirtschaft mit Forschungs- und Patentinformation sowie die Entwicklung von innovativen Informationsinfrastrukturen, z.B. mit den Schwerpunkten Forschungsdatenmanagement, Wissensgraphen und digitale Plattformen. Dazu betreiben wir eigene Forschung, kooperieren mit renommierten Universitäten und Forschungsgesellschaften und sind international und interdisziplinär vernetzt. FIZ Karlsruhe ist eine GmbH mit gemeinnützigem Charakter und eine der größten außeruniversitären Einrichtungen ihrer Art.

Zum Januar 2026 suchen wir einen PhD/Junior Researcher im Forschungsbereich Information Service Engineering an unserem Standort in Karlsruhe. Wir bieten Ihnen eine herausragende Möglichkeit, Ihre wissenschaftliche Karriere im zukunftsträchtigen Feld der wissensbasierten Künstlichen Intelligenz zu gestalten. Die Stelle ist Teil des vom Bundesministerium der Finanzen (BMF) geförderten Projekts „Themenportal Wiedergutmachung“.

Der Bereich Information Service Engineering unter der Leitung von Prof. Dr. Harald Sack erforscht Modelle und Methoden zur effizienten semantischen Indizierung, Aggregation, Verknüpfung und Abfrage von umfangreichen heterogenen und verteilten Datenquellen. Dazu werden sowohl statistische und linguistische Analysemethoden (NLP) als auch maschinelles Lernen in Kombination mit symbolischer Wissensrepräsentation eingesetzt (Neurosymbolic AI). Die ausgeschriebene Stelle ist in der Abteilung Maschinelles Lernen (ISE-ML) angesiedelt, einem dynamischen Umfeld für ein breites Forschungsspektrum im Bereich des maschinellen Lernens, einschließlich Named Entity Recognition, Wissensextraktion, Dokumentbildklassifikation, Knowledge Graph Representation Learning, Entity Linking und darüber hinaus. Im Bereich der angewandten Forschung werden unter anderem Lösungen für die Wissensextraktion, semantische Analyse und Annotation, die semantische und explorative Suche sowie für Empfehlungssysteme und Question Answering Systeme erarbeitet. Neben der methodischen Grundlagenforschung liegen die Schwerpunkte der Anwendungsbereiche in den digitalen Geisteswissenschaften, den Material- und Werkstoffwissenschaften sowie im Forschungsdatenmanagement.

Ihre Aufgaben:

• Durchführung innovativer Forschung zu spannenden FIZ ISE-Forschungsthemen wie Information Extraction, Knowledge Graphs, Deep Learning und Large Language Models, Ontological Engineering und Natural Language Processing, mit Beteiligung an wissenschaftlichen Publikationen und anderen akademischen Aktivitäten.
• Die Mitbetreuung von Master- und Bachelorarbeiten.
• Projektmanagement-bezogene Aufgaben, wie z. B. interne und externe Koordination, Berichterstattung, Beteiligung an der Beantragung von Drittmittelförderung.

Ihre persönliche Qualifikation:

• Sehr guter Masterabschluss in Informatik oder einer vergleichbaren Disziplin.
• Sehr gute Software Entwicklungsfähigkeiten. Idealerweise Erfahrung in der Entwicklung ausgereifter Softwarekomponenten.
• Sehr gute Englischkenntnisse in Wort und Schrift, Deutschkenntnisse sind von Vorteil, aber nicht zwingend erforderlich.
• Motivation und Freude an der Auseinandersetzung mit anspruchsvollen Forschungsthemen und an einer gemeinsamen Entwicklung überzeugender Lösungen.

Idealerweise verfügen Sie über profunde Kenntnisse in einem oder mehreren der folgenden Forschungsgebiete:

• Machine Learning, Deep Learning und Large Language Models
• Ontologies and Knowledge Graphs
• Natural Language Processing
• Computer Vision and Information Extraction

Vorkenntnisse in der Forschung an der Schnittstelle von Large Language Models und Wissensgraphen sind von Vorteil.

Sie sollten über ein hohes Maß an Eigenmotivation verfügen, Interesse an der Lösung anspruchsvoller Forschungsprobleme haben, sehr gute organisatorische Fähigkeiten besitzen, aufgeschlossen sein und über wissenschaftliches Führungspotenzial verfügen.

Warum FIZ Karlsruhe ein guter Arbeitgeber für Sie ist:

• Die Förderung des wissenschaftlichen Nachwuchses ist ein wichtiges Ziel von FIZ Karlsruhe. Promovierende werden von Prof. Dr. Harald Sack (FIZ Karlsruhe & KIT Karlsruhe) betreut.
• Bei uns haben Sie die Möglichkeit, in einem vielfältigen Team mit Kolleginnen und Kollegen zu arbeiten, die sich über neue Teammitglieder aller Hintergründe, Geschlechter und Altersgruppen freuen.
• Da unser Team nicht nur bei FIZ Karlsruhe, sondern auch am KIT angesiedelt ist, bieten wir Ihnen die Möglichkeit, Erfahrungen in der Lehre zu sammeln und mit Studierenden des KIT in den Diskurs zu treten, entweder persönlich oder über unsere Online-Formate.
• Wir bieten Ihnen ein produktives und sich ständig weiterentwickelndes Forschungs- und Arbeitsumfeld und unterstützen Sie aktiv in Ihrer wissenschaftlichen Karriereplanung.
• Flexible Arbeitszeitmodelle und Mobiles Arbeiten bis zu 80 Prozent
• Vergütung nach dem Tarifvertrag für den öffentlichen Dienst (TVöD VKA) mit der betrieblichen Altersvorsorge bei der VBL
• Vereinbarkeit von Familie und Beruf, zertifiziert durch das audit berufundfamilie
• Nutzung von Dienstradleasing sowie 25€ Arbeitgeberzuschuss zum Deutschland-Ticket

Das Arbeitsverhältnis ist zunächst auf zwei Jahre befristet, wobei unser Ziel eine langfristige Zusammenarbeit ist. Das Arbeitsverhältnis ist in Vollzeit mit Option auf Teilzeit zu besetzen. Bewerbungen Schwerbehinderter werden - bei gleicher Eignung - bevorzugt. Informationen zum Datenschutz bei Stellenausschreibungen finden Sie hier.

Bei fachlichen Fragen wenden Sie sich gerne an den Bereichsleiter Herrn harald.sack [at] fiz-karlsruhe.de (Prof. Dr. Harald Sack). Bei Fragen zum Bewerbungsprozess wenden Sie sich gerne an bewerbung [at] fiz-karlsruhe.de.

Bitte bewerben Sie sich mit den folgenden Unterlagen unter Angabe der Kennziffer 22/2025 bevorzugt per E-Mail an bewerbung [at] fiz-karlsruhe.de. Bewerbungsfrist 31.10.2025

1. ausführlicher Lebenslauf
2. Kopien von Abschlusszeugnissen
3. Publikationsnachweis oder Auszüge aus Ihrer Abschlussarbeit
4. Empfehlungsschreiben (vorzugsweise mindestens zwei)
5. ein Motivationsschreiben, das Ihre Forschungsziele beinhaltet