Researcher in Biologically Informed Machine Learning and AI

Interessieren Sie sich für maschinelles Lernen jenseits der „Black Box“? Hier am Deutschen Forschungszentrum für Künstliche Intelligenz mit Sitz in Kaiserslautern suchen wir begeisterte Forscher*innen (w/m/d/x) für unsere wachsende Forschungsabteilung: Data Science and its Applications (DSA).

Bei DSA ist es unsere Mission, mit Hilfe von Data Science und KI einen positiven Beitrag zur Gesellschaft zu leisten. Wir arbeiten an anwendungsorientierten Problemen in Forschung und Industrie, pflegen durchweg eine Kultur der Zusammenarbeit und legen großen Wert auf ein gesundes, produktives und harmonisches Arbeitsumfeld. Sie passen gut in unser vielfältiges, internationales Team, wenn Sie motiviert sind, ein dynamisches Umfeld und flache Hierarchien ohne Mikromanagement schätzen, stolz auf Ihre Arbeit sind und zum gesunden Wachstum einer jungen Forschungseinrichtung beitragen möchten.

Stichworte: Maschinelles Lernen, Bioinformatik, große Sprachmodelle, multimodale Daten.

Der primäre Anwendungsbereich dieses Projekts ist die KI-gestützte Entdeckung von Biomarkern, wobei ein besonderer Schwerpunkt auf der Integration von probabilistischen generativen Modellen und biomedizinischen Wissensgraphen liegt. Die Forschung befasst sich mit den Herausforderungen, die sich aus hochdimensionalen, heterogenen biomedizinischen Daten ergeben, darunter Multi-Omics-Profile, molekulare Strukturen, klinische Annotationen und kuratierte Netzwerke biologischer Interaktionen. Ein zentrales Ziel ist die gemeinsame Modellierung multimodaler Datenquellen, um robuste Schlussfolgerungen, unsicherheitsbewusste Vorhersagen und biologisch aussagekräftige Erkenntnisse zu ermöglichen.

Durch die Kombination moderner Ansätze des maschinellen Lernens – wie generative Modelle und große Sprachmodelle – mit strukturiertem Fachwissen zielt das Projekt darauf ab, neuartige Wechselwirkungen zwischen Wirkstoffen und Zielmolekülen aufzudecken, vielversprechende therapeutische Kandidaten zu identifizieren und eine evidenzbasierte Entscheidungsfindung in komplexen biologischen Systemen zu unterstützen. Besonderes Augenmerk liegt auf der Quantifizierung von Unsicherheiten, der Interpretierbarkeit und der Einbindung von Fachwissen, um zuverlässige und gesellschaftlich relevante KI-Lösungen in der Bioinformatik und der translationalen Forschung zu gewährleisten.

Ihre Aufgaben

In dieser Stelle unterstützen Sie die Leitung eines Projekts zur Entwicklung probabilistischer und generativer Modelle des maschinellen Lernens für die KI-gestützte Wirkstoffforschung. Ein zentraler Schwerpunkt liegt auf der direkten Integration biomedizinischen Fachwissens – insbesondere in Form von Wissensgraphen und strukturierten biologischen A‑priori-Informationen – in den Lern- und Inferenzprozess. Diese Modelle werden für die Verarbeitung hochdimensionaler, multimodaler biomedizinischer Daten konzipiert, darunter Molekülstrukturen, Omics‑Daten, klinische Informationen und aus der Fachliteratur abgeleitetes Wissen. Besonderes Augenmerk wird auf skalierbare Trainingsalgorithmen und fortschrittliche Sampling‑Strategien gelegt. Sie tragen dazu bei, Basismodelle durch den prinzipienorientierten Einsatz von Adaptern und parametreneffizientes Fine‑Tuning mit Vorwissen zu verknüpfen sowie spezialisierte agentenbasierte Systeme zu entwickeln, die in der Lage sind, biomedizinische Wissensgraphen und klinische Daten abzufragen. Sie arbeiten mit Nachwuchswissenschaftlern und Studierenden zusammen, um die Projektziele strukturiert zu erreichen und Veröffentlichungen in renommierten wissenschaftlichen Fachzeitschriften zu planen.

Unsere Anforderungen

• Ein Master-Abschluss in Informatik, Datenwissenschaft, Künstlicher Intelligenz, Bioinformatik oder einem eng verwandten Fachgebiet ist unerlässlich. Ein Doktorgrad wird bevorzugt.
• Fundierte Kenntnisse in den Bereichen maschinelles Lernen, probabilistische Modellierung und Deep Learning.
• Solide Programmierkenntnisse in Python und Erfahrung mit modernen ML‑Frameworks (z. B. PyTorch).
• Kenntnisse über generative Modelle (z. B. VAEs, Diffusionsmodelle, normalisierende Flüsse oder energiebasierte Modelle).
• Verständnis für Unsicherheitsquantifizierung, bayessche Inferenz oder probabilistisches Denken.
• Interesse an biomedizinischen Anwendungen, insbesondere in der Wirkstoffforschung, an Wissensgraphen oder der multimodalen Integration biologischer Daten.
• Vertrautheit mit der Modellierung strukturierter Daten, graphischen neuronalen Netzen oder dem Lernen von Wissensgraphen‑Repräsentationen ist ein großes Plus.
• Erfahrung mit großen Sprachmodellen oder multimodalen Lernansätzen ist von Vorteil.
• Ausgeprägte analytische Denkfähigkeiten und die Fähigkeit, in einem forschungsorientierten Umfeld selbstständig zu arbeiten.
• Hervorragende Kommunikationsfähigkeiten in Englisch (sowohl schriftlich als auch mündlich).
• Motivation, in einem interdisziplinären und kooperativen Forschungsumfeld zu arbeiten, das KI und Biowissenschaften miteinander verbindet.

Was Sie erwarten können

• Wettbewerbsfähige Vergütung und Sozialleistungen
• Mitarbeit an hochrelevanten Projekten in einem vielfältigen, motivierten und interdisziplinären Team
• Arbeit an hochrelevanten wissenschaftlichen und gesellschaftlichen Themen bei gleichzeitiger Erweiterung Ihrer Fachkenntnisse in zukunftsweisenden Bereichen
• Praxisorientierte, angewandte Forschung mit starkem Praxisbezug – wir diskutieren nicht nur Theorie, sondern setzen Lösungen in unserem Fachgebiet aktiv in Wissenschaft und Industrie um
• Hervorragendes Netzwerk mit ausgezeichneten Kontakten in Industrie und Wissenschaft
• Flexible Arbeitszeiten mit der Möglichkeit zum Homeoffice gemäß den internen DFKI‑Richtlinien

Die Gehälter richten sich nach dem Bildungsniveau und der Berufserfahrung und werden von der DFKI‑Personalabteilung einheitlich festgelegt. Unsere Gehälter sind auf dem deutschen Markt wettbewerbsfähig, und wir genießen als Arbeitgeber einen guten Ruf. Insbesondere legt unsere Abteilung großen Wert darauf, unserem vielfältigen Team ein hervorragendes Arbeitsumfeld zu bieten.

Schwerbehinderte Bewerberinnen und Bewerber und gleichgestellte Personen werden bei gleicher Eignung besonders berücksichtigt. Das DFKI beabsichtigt, den Anteil von Frauen im Wissenschaftsbereich zu erhöhen und fordert deshalb Frauen ausdrücklich auf, sich zu bewerben.