Validation Engineer - Context, Semantics & Memory (f/m/x)

Validierungstechniker - Kontext, Semantik & Memory (f/m/x) (m/w/d)

Kurzüberblick

• Standort: …
• Arbeitsmodell: …
• Anstellungsart: …

Aufgaben

• Entwicklung und Betrieb von Wissensgraphen und -datenbanken, die Domänenwissen, Toolkettentopologie, operative Vorfälle, Ursachenanalysen und Erkenntnisse erfassen und graphbasierte Abfragen über die Organisation ermöglichen.
• Erstellung von Kontext-Engineering-Pipelines, die dynamisch die zur Verfügung gestellte Informationen für LLM-basierte Agenten assemblieren, priorisieren und budgetieren.
• Implementierung von Rückkopplungsschleifen: Kodierung von Agenten und Fähigkeiten, die mit unserem Toolkettensystem interagieren, Log-Ergebnisse diagnostizieren und Ergebnisse in das Wissensgraph zurückschreiben, um das System schrittweise fähiger zu machen.
• Entwicklung und Wartung von Ontologien und semantischen Modellen für das automotive AI-Domain – Sensorkonfigurationen, Simulations-Szenarien, Daten-Pipeline-Topologie, Modell-Lineage – um eine konsistente Vokabular über Teams und Tools sicherzustellen.
• Architektur von Agenten-Memory-Systemen (Arbeit, episodisch, semantisch) mit geeigneten Konsolidierungs- und Retentionsmechanismen, um lang laufende Agenten-Sitzungen nützliche Erfahrungen ohne Kontext-Fenster-Überlastung zu speichern.
• Evaluierung und Optimierung der Abfragequalität mithilfe von Relevanz, Abdeckung, Frische und Redundanz-Metriken und Durchführung von Experimenten zur Vergleichbarkeit von Abfrage-Strategien (dicht, spärlich, graph, hybride).
• Beitrag zu kosteneffizienten Modellauswahl- und Kontext-Kompressionsstrategien (Prompt-Kompression, semantische Zwischenspeicherung, Modell-Steuerung) zur Erhaltung von Latenz und Budgets bei Skalierung.

Anforderungen

• Universitätsabschluss in Informatik, Informationswissenschaft, AI/ML oder einem verwandten Fach.
• 1-3 Jahre Berufserfahrung in Wissensmanagement, Wissensgraph-Engineering oder Kontext-Engineering für AI/LLM-Systeme.
• Experten-Level-Programmierkenntnisse in mindestens einer Hochsprache (C++, Java, Kotlin oder Python).
• Kenntnisse in AI-assistierter Entwicklung mit Kodierungsagenten wie Claude Code, GitHub Copilot oder OpenCode.
• Praktische Erfahrung bei der Erstellung und Abfrage von Wissensgraphen (RDF/SPARQL oder Eigenschaftsgraphen) und deren Integration mit LLM-basierten Abfragen (z.B. GraphRAG, hybride Suche).
• Erfahrung bei der Systemgestaltung, insbesondere für wissensintensive oder abfrageintensive Architekturen.
• Kenntnisse in Agenten-Memory-Architekturen, Ontologie-Design, semantischem Modellieren, graphbasierten Analysen, Entity-Resolution oder Wissensgraph-Embeddings.

Vorteile

• Herausfordernde Projekte, mit denen wir gemeinsam die Mobilität der Zukunft gestalten.
• Breite Palette an persönlichen und beruflichen Entwicklungsmöglichkeiten.
• Attraktive, faire und leistungsbasierte Vergütung.
• Hoher Grad an Arbeitsplatzsicherheit.
• Jährliche Sonderzahlungen wie Urlaubsgeld, Weihnachtsgeld und Gewinnbeteiligung.
• Flexible Arbeitszeiten einschließlich 6 Wochen Urlaub und Überstundenvergütung.
• Rabatte auf BMW- und MINI-Produkte.
• Viele weitere Vorteile auf bmw.jobs/benefits.