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

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

Kurzüberblick

• Standort: München
• Arbeitsmodell: Vollzeit
• Anstellungsart: Festanstellung

Aufgaben

• Design und Betrieb von Wissensgraphen und Graphdatenbanken, 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 Information für LLM-basierte Agenten assemblieren, rangieren und budgetieren.
• Implementierung von Rückkopplungsschleifen: Codierung von Agenten und Fähigkeiten, die mit unserem Toolkettensystem interagieren, Log-Ergebnisse diagnostizieren und Erkenntnisse in das Wissensgraph zurückschreiben, um das System schrittweise fähiger zu machen.
• Entwicklung und Wartung von Ontologien und semantischen Modellen für die automotive AI-Domain – Sensorkonfigurationen, Simulationszenarien, Datenpipelinetopologie, Modellhintergrund –, um eine konsistente Vokabularie über Teams und Tools sicherzustellen.
• Architektur von Agenten-Gedächtnissystemen (Arbeitsgedächtnis, episodisches Gedächtnis, semantisches Gedächtnis) mit geeigneten Konsolidierungs- und Retentionsmechanismen, um langlaufende Agentensitzungen nützliche Erfahrungen ohne Kontextfenster-Überlast zu speichern.
• Evaluierung und Optimierung der Abfragequalität mit Relevanz, Abdeckung, Frische und Redundanzmetriken und Durchführung von Experimenten zur Vergleichbarkeit von Abfragestrategien (dicht, spärlich, graph, hybride).
• Beitrag zu kosteneffizienten Modellauswahl- und Kontextkompressionsstrategien (Promptkompression, semantische Caching, Modellrouting) zur Erhaltung niedriger Latenzen und nachhaltiger 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 Codierungsagenten 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 Systemdesign, insbesondere für wissensintensive oder abfragenschwere Architekturen.
• Kenntnisse in Agenten-Gedächtnisarchitekturen, Ontologie-Design, semantischem Modellieren, graphbasierten Analytics, Entity-Resolution oder Wissensgraph-Embeddings.

Vorteile

• Herausfordernde Projekte, mit denen wir gemeinsam die Mobilität von morgen gestalten.
• Breites Spektrum an persönlichen und beruflichen Entwicklungsmöglichkeiten.
• Attraktive, faire und leistungsbasierte Vergütung.