Große Sprachmodelle (Large Language Models, LLMs) haben bemerkenswerte Fähigkeiten in einer Vielzahl von Aufgaben gezeigt. Ihre Leistung nimmt jedoch häufig in hochspezialisierten Domänen ab, die präzises strukturelles Schlussfolgern, Konsistenz und domänenspezifisches Wissen erfordern. Im Bereich des elektronischen Hardware-Designs haben bestehende LLMs Schwierigkeiten mit der strukturellen und semantischen Komplexität von Schaltungsbeschreibungen. Hardware-Designs werden als miteinander verbundene Graphen dargestellt, einschließlich Netzlisten, Schaltplänen und hierarchischen Designprojekten. Diese Darstellungen enthalten wesentliche Informationen, die bei der Umwandlung in rein sequenziellen Text verloren gehen.
- Als Teil unseres Teams werden Sie neuartige Methoden erforschen, um generative KI-Systeme an spezialisierte Domänen anzupassen, indem Sie strukturiertes symbolisches Wissen integrieren – ohne auf umfangreiches erneutes Training der Modelle angewiesen zu sein.
- Ihre Untersuchung wird sich auf Mechanismen konzentrieren, die es Large Language Models (LLMs) und anderen Foundation Models ermöglichen, externe Wissensrepräsentationen wie Wissensgraphen, Ontologien und formale Designrepräsentationen zu nutzen, während die Schlussfolgerungsfähigkeiten symbolischer Systeme erhalten bleiben.
- Sie werden innovative Ansätze entwickeln, die es generativen KI-Modellen ermöglichen, direkt mit diesen strukturierten Repräsentationen zu interagieren, um präziseres Schlussfolgern, Designunterstützung, Verifikation und Codegenerierung zu ermöglichen.
- Durch Ihre Arbeit leisten Sie einen wesentlichen Beitrag zur Entwicklung der nächsten Generation von KI-Systemen, die die Flexibilität neuronaler Modelle mit der Zuverlässigkeit, Interpretierbarkeit und den strukturierten Schlussfolgerungsfähigkeiten symbolischer Repräsentationen verbinden.
- Ausbildung: hervorragender Masterabschluss in Informatik, Mathematik, Ingenieurwesen oder einem verwandten Fachgebiet
- Erfahrungen und Kenntnisse: fundierte Kenntnisse in Informatik, Künstlicher Intelligenz, Machine Learning, Data Science oder Elektrotechnik; Erfahrung mit Deep Learning, Graphalgorithmen und Wissensrepräsentation; Kenntnisse im Hardware-Design sind von Vorteil
- Persönlichkeit und Arbeitsweise: Sie gehen interdisziplinäre Forschungsfragen mit Neugier und Kreativität an, treten offen in den Austausch mit anderen, kommunizieren Ihre Ideen klar und suchen aktiv nach neuen Herausforderungen
- Sprachen: verhandlungssicheres Englisch, Deutsch ist ein Pluspunkt
https://www.bosch-ai.com www.bosch.com/research Das endgültige Promotionsthema richtet sich nach Ihrer Universität. Start: nach vorheriger Vereinbarung Bitte reichen Sie alle relevanten Unterlagen ein (Lebenslauf, Zeugnisse sowie Links zu Ihrem GitHub- oder Kaggle-Account). Vielfalt und Inklusion sind für uns nicht nur Trends, sondern fest in unserer Unternehmenskultur verankert. Daher begrüßen wir alle Bewerbungen – unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität.
Benötigen Sie Unterstützung während Ihrer Bewerbung?
Celina Dannecker (Human Resources) +49 711 811 21346
Benötigen Sie weitere Informationen zur Stelle?
Daria Stepanova
+49 711 811-91016
Mirjam Steger (Functional Department)
+49 711 811 10832
#LikeABosch beginnt hier: Bewerben Sie sich jetzt!