HiWi für KI-gestütztes Semantic Matching - Stuttgart

Studentische Hilfskraft (m/w/d) für KI-gestütztes Semantic Matching

Semantic Matching ist eine Schlüsseltechnologie für die intelligente Verknüpfung und Analyse heterogener Datenquellen. In einem aktuellen Forschungsprojekt entwickeln wir eine automatisierte Pipeline, die Informationen aus unterschiedlichen Quelldateien semantisch erfasst, verarbeitet und zuordnet. Hierfür sollen bestehende Verfahren weiterentwickelt und zu einem robusten Software-Prototypen ausgebaut. Dabei beschäftigst du dich mit modernen KI-Methoden wie Embedding-Verfahren und adaptiven Chunking-Strategien und bringst diese in einer praxisnahen Forschungsumgebung zum Einsatz.

Deine zukünftigen Themenschwerpunkte:

• Weiterentwicklung und Verbesserung einer bestehenden Semantic-Matching-Implementierung

• Entwicklung und Evaluation adaptiver Chunking- und Embedding-Strategien für unterschiedliche Quelldateien

• Umsetzung einer automatisierten Semantic-Matching-Pipeline zu einem robusten Software-Prototypen

• Definition, Umsetzung und Evaluation geeigneter Qualitätsmetriken

• Vorbereitung und Unterstützung bei Demonstrationen des entwickelten Prototyps

Dein Profil:

• Ein laufendes Studium an der Universität Stuttgart (Informatik, Softwaretechnik, Kybernetik, Mechatronik, Medizintechnik oder vergleichbare Fachrichtungen)

• Selbstständige und strukturierte Arbeitsweise

• Gute Programmierkenntnisse in Python

• Interesse an Künstlicher Intelligenz, Machine Learning und Softwareentwicklung

• Gute Deutsch- oder Englischkenntnisse

Wir bieten dir:

• Mitarbeit an einem innovativen Forschungsthema im Bereich KI und Semantic Matching

• Abwechslungsreiche und eigenverantwortliche Tätigkeiten

• Flexible Arbeitszeiten

• Freundliches Arbeitsklima

• Teilnahme an ISW-internen Veranstaltungen

Die Universität Stuttgart möchte den Anteil der Frauen im wissenschaftlichen Bereich erhöhen und ist daher an Bewerbungen von Frauen besonders interessiert.

Schwerbehinderte werden bei gleicher Eignung vorrangig eingestellt.