Arbeitsumfeld

Die Forschung ist im Bereich Data & AI Products im DataLab München eingebettet, einem Umfeld, das KI‑Lösungen im Enterprise‑Kontext über alle Geschäftsbereiche der Volkswagen AG hinweg entwickelt und unterstützt. Der übergreifende Fokus des DataLabs umfasst Generative KI, klassisches Machine Learning, Reinforcement Learning, Optimierung und Robotik und bietet damit ein breites und anregendes Forschungsumfeld. Das DataLab pflegt langjährig etablierte, enge Kooperationen mit führenden akademischen Forschungsgruppen, darunter die Ludwig‑Maximilians‑Universität (LMU), die Technische Universität München (TUM), die Universität Wien sowie internationale Institutionen. Neben der industriellen Relevanz wird der Wert prinzipieller, grundlagenorientierter Forschung ausdrücklich anerkannt und die Auseinandersetzung mit fundamentalen wissenschaftlichen Fragestellungen jenseits unmittelbarer Produktentwicklung aktiv ermöglicht. Sie erforschen und entwickeln agentische KI‑Technologien sowie Orchestrierungsansätze für Large Language Models in industriellen und unternehmensweiten Anwendungsumgebungen weiter. Der Schwerpunkt liegt auf der Entwicklung skalierbarer und robuster KI‑Systeme, die autonome Workflows und intelligente Automatisierung ermöglichen. Neben der Durchführung exzellenter Forschung trägt die Stelle zur agentischen Transformation von Volkswagen bei, indem Forschungsergebnisse in reale interne IT‑Anwendungen und KI‑Produkte überführt werden. Die Position verbindet wissenschaftliche Innovation mit praktischer Umsetzung in enger Zusammenarbeit mit akademischen und industriellen Partnern. Wenn Sie die Zukunft agentischer KI aktiv mitgestalten möchten, freuen wir uns auf Ihre Bewerbung.

Mögliche Aufgaben dieser Rolle

• Erforschen, Konzipieren und Implementieren skalierbarer agentischer KI‑Architekturen sowie Orchestrierungs‑Frameworks für auf Large Language Models (LLMs) basierende Systeme
• Entwickeln und Prototypisieren autonomer Agenten und Multi‑Agenten‑Workflows unter Integration von LLMs mit internen IT‑Systemen, Werkzeugen und unternehmensweiten Datenquellen
• Praktisch Mitwirken an der Entwicklung und Weiterentwicklung interner KI‑Produkte, einschließlich Implementieren, Testen und Evaluieren agentischer Fähigkeiten
• Gestalten und Unterstützen der agentischen Transformation des Unternehmens durch Identifizieren, Konzipieren und Umsetzen intelligenter Automatisierungslösungen für interne IT‑Anwendungsfälle
• Durchführen wissenschaftlicher Evaluationen der entwickelten Ansätze sowie Veröffentlichen der Forschungsergebnisse in Zusammenarbeit mit akademischen und industriellen Partnern

Das endgültige Promotionsthema wird mit der Professorin / dem Professor gemeinsam definiert. Die Voraussetzung für die Zusammenarbeit ist die Betreuungszusage sowie eine bestätigte Themenabgrenzung seitens der Professorin / des Professors einer promotionsberechtigten Universität oder Forschungseinrichtung.

Anforderungen an die Qualifikation

• Gut bis sehr gut abgeschlossenes Hochschulstudium mit Promotionsberechtigung in Informatik, Computerlinguistik, Mathematik, Künstlicher Intelligenz oder einem verwandten technischen Fachgebiet
• Sehr gute Grundlagenkenntnisse in Mathematik, Machine Learning und Software Engineering sowie Erfahrung in der Konzeption und Implementierung komplexer Softwaresysteme und nachgewiesene Praxis mit generativer KI und ML‑Modellen, insbesondere Large Language Models und zugehörigen Frameworks
• Sehr gute Programmierkenntnisse in Python sowie Erfahrung mit relevanten KI‑/ML‑Bibliotheken und ‑Frameworks
• Erfahrung mit Cloud‑Plattformen wie AWS und/oder Microsoft Azure, einschließlich Deployment und Betrieb von KI‑Services
• Vertrautheit mit Versionskontrollsystemen (z. B. Git) sowie mit kollaborativen Entwicklungs‑Workflows und ‑Werkzeugen
• Englisch Sprachniveau B2
• Ausgeprägtes analytisches Denkvermögen, hohes Maß an Eigeninitiative sowie die Fähigkeit zum selbstständigen und teamorientierten Arbeiten
• Sehr gute Kommunikationsfähigkeiten und die Fähigkeit, komplexe technische Konzepte klar und verständlich zu vermitteln

Keywords

Dissertation, GenAI, Generative AI, Agents, Agent Orchestration, AI Transformation, Conversational AI