Konzeption, Implementierung und wissenschaftliche Validierung der KI-Kerninnovationen
Entwicklung neuartiger generativer Bildmodelle und Trainingspipelines für architekturspezifische Anwendungsfälle.
Forschung an kontrollierbaren, regions- und materialbasierten Generationsmethoden als Alleinstellungsmerkmal der Plattform.
Durchführung systematischer Experimente, Benchmarking und qualitativer sowie quantitativer Evaluierungen.
Enge Zusammenarbeit mit Produkt- und Engineering-Teams zur Überführung von Forschungsergebnissen in produktionsreife KI-Systeme.
Verantwortung für die wissenschaftliche Substanz der Forschungsprojekte (z. B. im Rahmen von EXIST, ZIM oder weiteren Förderprogrammen).
Positionierung als wissenschaftliches Herzstück der KI-Forschung innerhalb des Kernteams.
Aufgaben
Konzeption und Weiterentwicklung der KI-Kernarchitektur für generative Bildmodelle mit Fokus auf architekturspezifische Anwendungsfälle.
Entwicklung, Training und Optimierung von generativen Deep-Learning-Modellen (insbesondere Diffusion Models, UNet-Architekturen, Transformer-basierte Ansätze, Latent Diffusion).
Implementierung und Evaluation von Fine-Tuning- und Adaptionsmethoden wie LoRA, DreamBooth-ähnlichen Verfahren und domänenspezifischem Transfer Learning.
Forschung an kontrollierbaren Generationsmechanismen, z. B. regionsbasierte Steuerung, material- und texturbasierte Konditionierung sowie struktur- und kontextbewusste Bildsynthese.
Aufbau und Pflege skalierbarer Trainings- und Experimentierpipelines (z. B. PyTorch, GPU-Cluster, automatisierte Experimente).
Systematische wissenschaftliche Validierung der entwickelten Modelle durch Benchmarking, Ablationsstudien sowie qualitative und quantitative Evaluationsmethoden.
Analyse, Aufbereitung und Kuratierung von Trainings- und Evaluierungsdatensätzen im architektonischen Kontext.
Dokumentation von Forschungsergebnissen und methodischen Entscheidungen zur Sicherstellung von Reproduzierbarkeit und Wissenstransfer.
Enge Zusammenarbeit mit dem Produkt-, Frontend- und Backend-Team, um Forschungsergebnisse in produktionsnahe KI-Systeme zu überführen.
Technische Unterstützung bei der Antragstellung und Durchführung von Forschungs- und Förderprojekten (z. B. EXIST, ZIM, EU-Programme).
Beobachtung und Bewertung aktueller Forschungsentwicklungen im Bereich generative KI und Ableitung relevanter Innovationspotenziale
Qualifikation
Abgeschlossenes Master- oder PhD-Studium in Informatik, Mathematik, Data Science, Computational Design oder einer vergleichbaren Disziplin.
* Zwingende Expertise in generativer KI für Bilder, insbesondere im Training von Deep-Learning-Modellen.
* Nachweisbare praktische und/oder wissenschaftliche Erfahrung mit Diffusion Models, Transformern, UNet-Architekturen, Latent Diffusion Models sowie LoRA .
* Sehr gutes Verständnis von Deep-Learning-Methoden, Modellarchitekturen, Trainingsstrategien und Evaluierungsverfahren.
* Erfahrung im Umgang mit Forschungs- und Experimentier-Workflows, Reproduzierbarkeit und systematischer Modellbewertung.
* Starkes analytisches Denkvermögen sowie Interesse an der Verbindung von wissenschaftlicher Forschung und produktnaher Anwendung .
* Selbstständige, strukturierte Arbeitsweise und hohe intrinsische Motivation, neue KI-Ansätze zu erforschen und zur Reife zu bringen.
Benefits
Eine durch Fördergelder gesicherte und langfristige Beschäftigungsperspektive.
- Direkte Einflussnahme auf ein zukunftsweisendes Deep-Tech-Forschungsprojekt.
- Anteilsaneignung (Equity): Die Zuteilung von Unternehmensanteilen ist verhandelbar und Teil des Kompensationspakets. Chance auf CTO-Rolle.
- Wettbewerbsfähige Vergütung (verhandelbar).
- Büroräumlichkeiten in Köln
Start ist voraussichtlich September 2026
Bewerbung bis spätestens zum 10. Januar 2026
Gründer: Han Cheol Yi