Wissenschaftlichen Mitarbeiterin (m/w/d) im BMFTR-Verbundprojekt: DSGVO-Konforme Sprachsysteme für I

Wir suchen zum nächstmöglichen Zeitpunkt befristet in Vollzeit (39,83 Std./Woche = 100 %) eine\*n

Wissenschaftliche\*n Mitarbeiter\*in (m/w/d) im BMFTR-Verbundprojekt: DSGVO-Konforme Sprachsysteme für Informationelle Selbstbestimmung (TransparentNLP)

TDer Lehrstuhl für „Trustworthy Human Language Technologies“ befasst sich vor allem mit der Verarbeitung natürlicher Sprache im juristischen Bereich sowie mit der Verarbeitung natürlicher Sprache unter Wahrung des Datenschutzes.

Ziel des Verbundprojekts ist die Entwicklung einer neuartigen Privacy-Enhancing Technologie, die große Sprachmodelle befähigt, Fragen zur Datenverarbeitung personenbezogener Daten wahrheitsgemäß und verständlich zu beantworten und so dem Grundsatz der Transparenz in der EU-Gesetzgebung gerecht zu werden. Das Ziel dieses Teilvorhabens ist die Realisierung eines hochgradig robusten und verifizierbaren Retrieval-Augmented Generation (RAG) Frameworks zur automatisierten Beantwortung von Fragen im Bereich der Datenschutz-Compliance. Durch die Integration von Sparse-Attention-Mechanismen und Inference-Time-Scaling wird eine Architektur angestrebt, die den Trade-off zwischen hoher Kontext-Latenz und faktischer Faithfulness optimiert. Über die reine Informationsextraktion hinaus werden neuartige Guardrail-Mechanismen implementiert, die das System gegen Adversarial Attacks absichern. Durch den Einsatz von der automatisierten Attribuierung und Frameworks zur Detektion von Unanswerability soll ein System entstehen, das Halluzinationen minimiert und eine präzise, evidenzbasierte Kommunikation rechtlicher Inhalte auf Expertenniveau ermöglicht.

Umfang: Vollzeit

Dauer: befristet, 3 Jahre

Beginn: zum nächstmöglichen Zeitpunkt

Bewerben bis: 21.09.2026

Ihre Aufgaben:

Die Arbeiten in diesem Teilvorhaben konzentrieren sich vorwiegend auf die Systementwicklung, deren Schwerpunkt auf der technischen Realisierung einer robusten und verifizierbaren RAG-Architektur liegt. Dabei wird eine modulare Pipeline entwickelt, die von der effizienten Verarbeitung langer Kontexte über die Implementierung von Guardrailing-Mechanismen bis hin zur automatisierten Attribuierung mittels Inference-Time-Scaling reicht. Der Plan sieht eine iterative Verzahnung mit der automatisierten Evaluation vor, um eine kontinuierliche Optimierung der Antwortqualität sicherzustellen. Die Ergebnisse münden final in die Bereitstellung validierter Systemkomponenten für den fachübergreifenden Anwendungsdemonstrator.

Ihr Profil:

- Masterabschluss in Informatik (abgeschlossen oder fast abgeschlossen, Abschluss muss bei Einstellung vorliegen) oder in verwandten Bereichen

- Erfahrung in Maschinellem Lernen, NLP und Data Science

- Kenntnisse in Python, C, C++, Java und Lua

- Deutschkenntnisse auf mindestens Niveau C1 für das Projektkonsortium

- Anwendung von Methoden der Data Science, KI und NLP zur Analyse großer Datensätze

- abgeschlossene Kurse in einschließlich Deep Learning, überwachte Methoden, unüberwachte Methoden, evolutionäre Algorithmen, Theorie des maschinellen Lernens sowie Verarbeitung natürlicher Sprache mit Deep Learning

[https://jobs.ruhr-uni-bochum.de/jobposting/dcdb6006bf4a0a0a9547ffeb0fc4b5f36ad370ee0?ref=AfA](https://jobs.ruhr-uni-bochum.de/jobposting/dcdb6006bf4a0a0a9547ffeb0fc4b5f36ad370ee0?ref=AfA)