- Produkt- und Web-Entwicklung im datengetriebenen Bereich - Mitgestaltung der Softwarearchitektur für neue Datenprodukte - Zusammenarbeit in interdisziplinären Teams (u.a. mit Data Scientists und Business Developern)

Für ein AI-Lab suchen wir Cybersicherheitsberater, die ein AI-Modell (Large Language Model – LLM) trainieren. Du hilfst der AI, die Welt zu verstehen. Als Berater wirst du vielleicht eingeladen, an Online-Projekten teilzunehmen, um das Modell in deinem Fachgebiet zu trainieren. Diese flexible Rolle passt sowohl für Experten, die eine Teilzeittätigkeit (mindestens ein paar Stunden pro Woche) suchen, als auch für diejenigen, die an Vollzeit interessiert sind. - Bewertung und Red-Teaming von AI-Modellen, Agents und Machine-Learning-Systemen auf Schwachstellen und Sicherheitsrisiken. - Erstellung von offline reproduzierbaren und automatisch auswertbaren Testfällen, um Sicherheit und Leistung von AI-Agents zu prüfen. - Entwicklung und Umsetzung von Automatisierungsskripten, maßgeschneiderten Tools, Umgebungen und Test-Harnesses. - Leitung oder Beitrag zu Sicherheitsforschungsinitiativen, insbesondere im Bereich AI-Sicherheit, durch Erstellen und Umsetzen realistischer und anspruchsvoller Angriffsszenarien für das Modell. - Beratung zu Best Practices in der Cybersicherheit und zu politischen Implikationen.

Generative KI-Modelle verbessern sich sehr schnell, und eines unserer Ziele ist es, sie in die Lage zu versetzen, spezialisierte Fragen zu beantworten und komplexe Schlussfolgerungsfähigkeiten zu erreichen. Obwohl jedes Projekt einzigartig ist, könnten Ihre typischen Aufgaben sein: - Inhaltserstellung & -verfeinerung: Inhalte erstellen und verfeinern, um Genauigkeit und Relevanz in verschiedenen Physikthemen sicherzustellen, und gleichzeitig Referenzen und Beispiele für Aufgaben entwickeln. - Expertenakquise: Qualifikationstests von Experten bewerten und deren Kompetenz sicherstellen. - Chat-Moderation: Unterstützung bieten, indem Sie projektbezogene Fragen anderer Experten in Discord-Chats beantworten, insbesondere solche zu Projektleitlinien. - Arbeit prüfen: Aufgaben prüfen und bewerten, die von anderen Experten abgeschlossen wurden, um sicherzustellen, dass sie den Projektleitlinien entsprechen. Konstruktives Feedback geben, fachbezogene Informationen überprüfen und Inhalte bei Bedarf bearbeiten, um die Qualität zu verbessern.

Die Entwicklung und Qualitätssicherung des Data Layers umfasst dessen vollständige Bereitstellung durch die jeweilige Webanwendung. Der Data Layer bildet die zentrale Datengrundlage für die Analyse des Nutzerverhaltens sowie für personalisierte Inhalte während des Webseitenbesuchs. Zur Erhöhung von Zuverlässigkeit und Stabilität sollen automatisierte Tests eingesetzt werden, um manuelle Regressionstests deutlich zu reduzieren. Für diese Aufgabe wird ein Test Automation Engineer mit Schwerpunkt Playwright (Elastic) benötigt. - Entwicklung und Implementierung von automatisierten End-to-End-Tests mit dem npm Paket @elastic/synthetics (Playwright) für Data Layer Tests. - Analyse bestehender Testprozesse, Identifikation und Priorisierung von Automatisierungspotenzialen. - Erstellung, Pflege und Optimierung von Testskripten unter Berücksichtigung aktueller Best Practices. - Integration der automatisierten Tests in bestehende CI/CD-Pipelines (z. B. Jenkins, GitHub Actions), um eine durchgängige Testautomatisierung zu ermöglichen. - Dokumentation der Testfälle, Testergebnisse und Testabdeckung in Tools wie Jira und Confluence. - Beratung der Stakeholder bei der Auswahl und Einführung geeigneter. Teststrategien,Testwerkzeuge und Frameworks. - Durchführung von Code-Reviews für Testautomatisierungsskripte um Qualität und Wartbarkeit zu verbessern. - Erstellung von Entscheidungsvorlagen und Handlungsempfehlungen zur Weiterentwicklung der Testautomatisierung. - Beratung bei der Fehleranalyse und -behebung im Rahmen der Testautomatisierung. - Beratung beim Aufsetzen von Reports und Alertings mit Elastic Observability. - Förderung der Nachvollziehbarkeit und Reproduzierbarkeit von Testergebnissen.

Für ein KI-Labor suchen wir Physiker mit Python-Erfahrung, um ein KI-Modell (Large Language Model – LLM) zu trainieren. GenAI-Modelle verbessern sich sehr schnell, und eines unserer Ziele ist es, sie in die Lage zu versetzen, spezialisierte Fragen zu beantworten und komplexe Argumentationsfähigkeiten zu entwickeln. Wenn Sie als Physiker auf der Plattform mitarbeiten, haben Sie die Möglichkeit, an diesen Projekten mitzuwirken. Obwohl jedes Projekt einzigartig ist, könnten Ihre Aufgaben typischerweise sein: - Entwerfen originaler rechnergestützter Physikaufgaben, die reale Forschungsabläufe simulieren. - Entwickeln von Aufgaben, die zur Lösung Python-Programmierung erfordern (mit numpy, scipy, sympy). - Sicherstellen, dass die Aufgaben rechnerisch intensiv sind und nicht manuell in vertretbarer Zeit (Tage/Wochen) gelöst werden können. - Entwickeln von Aufgaben, die nicht triviale Argumentationsketten erfordern. - Aufbauen der Aufgaben auf realen Forschungsherausforderungen oder praktischen Anwendungen aus der physikalischen Praxis. - Überprüfen der Lösungen mit Python und Standardbibliotheken. - Klare Dokumentation der Aufgabenstellungen und Bereitstellung verifizierter korrekter Antworten.

Für ein AI-Lab suchen wir Mathematiker mit Python-Erfahrung, um ein KI-Modell (Large Language Model – LLM) zu trainieren. Als Berater können Sie eingeladen werden, an Online-Projekten teilzunehmen, um das Modell in Ihrem Fachbereich zu trainieren. Diese flexible Rolle eignet sich sowohl für Experten, die eine Teilzeit-Tätigkeit anstreben (mindestens ein paar Stunden pro Woche), als auch für Interessierte an Vollzeit. Obwohl jedes Projekt einzigartig ist, könnten Sie typischerweise: - Ursprüngliche Aufgaben zur rechnergestützten Mathematik entwickeln, die echte Workflows der mathematischen Forschung abbilden. - Aufgaben erstellen, die zur Lösung Python-Programmierung erfordern (mit numpy, scipy, sympy). - Sicherstellen, dass die Aufgaben rechnerisch aufwendig sind und nicht manuell in angemessener Zeit (Tage/Wochen) gelöst werden können. - Aufgaben entwickeln, die nicht-triviale Schlussketten in Bereichen wie Zahlentheorie, Kombinatorik, Graphentheorie und numerische Analysis erfordern. - Auf realen Forschungsfragen oder praktischen Anwendungen aus der mathematischen Praxis basieren. - Lösungen mit Python unter Verwendung gängiger mathematischer Bibliotheken überprüfen. - Aufgabenstellungen klar dokumentieren und verifizierte korrekte Antworten bereitstellen. Unterstützung in: - Zahlentheorie: Primfaktorzerlegung, diophantische Gleichungen, Modulorechnung, kryptografische Berechnungen. - Kombinatorik: Aufzählungen, Partitionen, Erzeugende Funktionen, kombinatorische Optimierung. - Graphentheorie: Netzwerkanalyse, Pfadsuche, Färbung, Spannbäume. - Numerische Analysis: Nullstellenbestimmung, numerische Integration, Differentialgleichungen, Matrixberechnungen. - Diskrete Mathematik: Rekurrenzbeziehungen, Komplexitätstheorie, diskrete Optimierung. - Algebra: Polynomrechnungen, Gruppentheorie-Berechnungen, Matrixzerlegungen.

Generative KI-Modelle entwickeln sich sehr schnell weiter, und eines unserer Ziele ist es, sie in die Lage zu versetzen, spezialisierte Fragen zu beantworten und komplexe Denkprozesse zu meistern. Auch wenn jedes Projekt einzigartig ist, könnten deine Aufgaben typischerweise sein: - Inhaltserstellung & -verfeinerung: Erstelle und verfeinere Inhalte, um Genauigkeit und Relevanz in verschiedenen Physikthemen sicherzustellen, und entwickle gleichzeitig Referenzen und Beispiele für Aufgaben. - Gewinnung von Experten: Beurteile Qualifikationstests von Experten, um ihre Kompetenz sicherzustellen. - Chat-Moderation: Unterstütze, indem du projektbezogene Fragen anderer Experten in Discord-Chats beantwortest, insbesondere solche, die sich auf die Projektleitlinien beziehen. - Prüfung der Arbeit: Überprüfe und bewerte von anderen Experten erledigte Aufgaben, um sicherzustellen, dass sie den Projektleitlinien entsprechen. Gib konstruktives Feedback, verifiziere fachbezogene Informationen und bearbeite Inhalte bei Bedarf, um die Qualität zu steigern.

Generative-KI-Modelle verbessern sich sehr schnell, und eines unserer Ziele ist es, sie in die Lage zu versetzen, spezialisierte Fragen zu beantworten und komplexe Denkprozesse zu meistern. Obwohl jedes Projekt einzigartig ist, gehören dazu typischerweise: - Content-Erstellung & Verfeinerung: Erstellen und Überarbeiten von Inhalten, um Genauigkeit und Relevanz in verschiedenen Themen der Physik zu gewährleisten, sowie Erstellen von Referenzen und Aufgabenbeispielen. - Expertengewinnung: Bewertung der Qualifikationstests von Experten, um ihre Kompetenz sicherzustellen. - Chat-Moderation: Unterstützung bei projektbezogenen Fragen anderer Experten in Discord-Chats, insbesondere in Bezug auf Richtlinien. - Prüfungsdurchführung: Überprüfung und Bewertung der von anderen Experten erledigten Aufgaben, um sicherzustellen, dass sie den Richtlinien entsprechen. Konstruktives Feedback geben, fachliche Informationen prüfen und Inhalte bei Bedarf überarbeiten, um die Qualität zu verbessern.

GenAI-Modelle verbessern sich sehr schnell, und eines unserer Ziele ist, sie in die Lage zu versetzen, spezialisierte Fragen zu beantworten und komplexe Denkaufgaben zu meistern. Wenn du als AI-Tutor für Chemie zur Plattform kommst, hast du die Möglichkeit, an diesen Projekten mitzuarbeiten. Obwohl jedes Projekt einzigartig ist, könntest du typischerweise: - Prompts erstellen, die die KI herausfordern. - Umfassende Bewertungskriterien festlegen, um die Genauigkeit der Antworten der KI zu überprüfen. - Die Antworten des Modells anhand deines Fachwissens korrigieren.

Ein AI Lab sucht einen KI-Trainer für Vibe Coding. Diese Rolle umfasst die Erstellung genauer, gut begründeter Ergebnisse in verschiedenen Bereichen unter Nutzung von Automatisierungs- und KI-Tools. Die Position erfordert Fachwissen im Programmieren und Optimieren von Python-Skripten, im Umgang mit großen Datensätzen, in der Verbesserung KI-generierter Inhalte sowie im Formatieren und Beheben technischer Workflows. Dies ist eine Remote-Teilzeitstelle, die flexibel an deine Verfügbarkeit angepasst werden kann – von nur wenigen Stunden pro Woche bis Vollzeit. Hauptverantwortlichkeiten: - Entwickeln und Optimieren von Python-Skripten für Automatisierungs- und KI-Aufgaben. - Effizientes Verarbeiten und Analysieren großer Datensätze. - Verbessern und Überarbeiten KI-generierter Inhalte für Genauigkeit und Qualität. - Formatieren und Troubleshooten technischer Workflows, um reibungslose Abläufe zu gewährleisten. - Zusammenarbeit mit funktionsübergreifenden Teams zur Weiterentwicklung von KI-Tools und -Prozessen.

Für ein KI-Labor suchen wir einen Java-Entwickler, der ein KI-Modell (Large Language Model – LLM) trainiert. Du hilfst der KI, die Welt zu verstehen. Als Berater*in wirst du möglicherweise zu Online-Projekten eingeladen, um das Modell in deinem Fachgebiet zu trainieren. Diese flexible Rolle richtet sich sowohl an Expert*innen, die eine Teilzeit-Tätigkeit (mindestens ein paar Stunden/Woche) suchen, als auch an diejenigen, die an Vollzeit-Möglichkeiten interessiert sind. - Code-Generierung und Code-Review - Prompt-Bewertung und komplexe Datenannotation - Training und Auswertung großer Sprachmodelle - Benchmarking und agentenbasierte Code-Ausführung in gesicherten Umgebungen - Arbeit mit mehreren Programmiersprachen - Anpassung von Richtlinien für neue Domänen und Anwendungsfälle - Einhaltung projektspezifischer Vorgaben und Anforderungen - Zusammenarbeit mit Projektleitenden, Solution Engineers und Supply Managern bei komplexen oder experimentellen Projekten

Die Abteilung Digital Analytics nutzt die Adobe Experience Cloud zur Umsetzung personalisierter Nutzererlebnisse. Ziel ist die Steigerung der Conversion Rates und Verbesserung der Customer Experience durch gezielte Personalisierung und Testing. Die technische Umsetzung erfolgt eigenständig durch spezialisierte Consultants. - Ein zentraler Bestandteil der Aufgaben umfasst die Wartung der bereits bestehenden Implementierung innerhalb der Adobe Experience Plattform. Dazu zählen insbesondere die Überwachung der Daten sowie die Fehlerbehebung in den Quellkonnektoren. - Im Rahmen der Vorbereitung neuer Funktionen für die Nutzung in der Adobe Experience Plattform werden Anforderungen und Daten zunächst in das Experience Data Model von Adobe übersetzt. Dies beinhaltet die Erstellung von Entity-Relationship-Diagrammen (ERDs) sowie die Kontextualisierung der relevanten Daten. - Darauf aufbauend werden entsprechende Schemata innerhalb der Plattform angelegt und Datensätze zur weiteren Nutzung vorbereitet. - Zu den weiteren Tätigkeiten gehört die Konzeption und Einrichtung sowohl neuer Aktivierungskanäle als auch zusätzlicher Datenquellen. - Darüber hinaus werden neue, geschäftsrelevante Anwendungsfälle entlang der verschiedenen Phasen der Customer Journey entwickelt, um den geschäftlichen Mehrwert gezielt zu steigern. - Erstellung von Segmenten und Durchführung von Fehleranalysen mithilfe von gezielten SQL-Abfragen. - Beratung bei allen neu eingeführten Verarbeitungstätigkeiten, über die Einhaltung der geltenden Datenschutzbestimmungen, die erforderlichen internen Freigabeprozesse sowie über die Dokumentation der rechtlichen sowie technischen Spezifika.

Für ein AI-Lab suchen wir einen Kotlin-Entwickler, der ein KI-Modell (Large Language Model – LLM) trainiert. Du hilfst der KI, die Welt zu verstehen. Als Berater wirst du möglicherweise zu Online-Projekten eingeladen, um das Modell in deinem Fachbereich zu trainieren. Diese flexible Rolle ist sowohl für Experten gedacht, die in Teilzeit (mindestens wenige Stunden pro Woche) mitarbeiten wollen, als auch für alle, die eine Vollzeitstelle suchen. - Code-Generierung und Code-Review - Prompt-Bewertung und komplexe Datenannotationen - Training und Evaluation von Large Language Models - Benchmarking und agentenbasierte Code-Ausführung in isolierten Umgebungen - Arbeiten mit verschiedenen Programmiersprachen - Anpassen von Richtlinien für neue Bereiche und Anwendungsfälle - Einhaltung projektspezifischer Vorgaben und Anforderungen - Zusammenarbeit mit Projektleitern, Solution Engineers und Supply Managern an komplexen oder experimentellen Projekten

Für ein KI-Lab suchen wir Rust-Entwickler, um ein KI-Modell (Large Language Model - LLM) zu trainieren. Du hilfst der KI, die Welt zu verstehen. Als Berater:in kannst du eingeladen werden, an Online-Projekten teilzunehmen, um das Modell in deinem Fachgebiet zu trainieren. Diese flexible Rolle richtet sich sowohl an Expert:innen, die eine Teilzeit-Beteiligung (mindestens ein paar Stunden pro Woche) suchen, als auch an jene, die an einer Vollzeitstelle interessiert sind. - Codegenerierung und Code-Review - Bewertung von Prompts und komplexe Datenannotation - Training und Bewertung großer Sprachmodelle - Benchmarking und agentenbasierte Code-Ausführung in isolierten Umgebungen - Arbeit mit mehreren Programmiersprachen (Python, JavaScript/TypeScript, Rust, SQL, usw.) - Anpassen von Richtlinien für neue Bereiche und Anwendungsfälle - Befolgen projektspezifischer Vorgaben und Anforderungen - Zusammenarbeit mit Projektleitern, Solution Engineers und Beschaffungsmanagern bei komplexen oder experimentellen Projekten

GenAI-Modelle verbessern sich sehr schnell, und eines unserer Ziele ist es, sie in die Lage zu versetzen, spezielle Fragen zu beantworten und komplexe Denkfähigkeiten zu entwickeln. Wenn du der Plattform als AI-Tutor im Bereich Biologie beitrittst, hast du die Chance, bei diesen Projekten mitzuarbeiten. Obwohl jedes Projekt einzigartig ist, könntest du typischerweise: - Aufgabenstellungen erstellen, die die KI herausfordern. - Umfassende Bewertungskriterien festlegen, um die Genauigkeit der Antworten der KI zu prüfen. - Die Antworten des Modells anhand deines Fachwissens korrigieren.

Ein Unternehmen sucht freiberufliche Bauingenieure, die KI-Modelle bewerten. Ziel des Projekts ist es, Leistung, Genauigkeit und Zuverlässigkeit von KI-Modellen im Bauwesen zu prüfen. Die Rolle umfasst eine enge Zusammenarbeit mit dem Entwicklungsteam, um sicherzustellen, dass die Modelle den Branchenstandards entsprechen und umsetzbare Erkenntnisse liefern. Hauptverantwortlichkeiten: - Bewertung von KI-Modellen für Bauingenieur-Anwendungen. - Analyse der Modellausgaben und Feedback zur Verbesserung. - Zusammenarbeit mit dem Entwicklungsteam zur Einhaltung der Branchenstandards. - Dokumentation von Ergebnissen und Empfehlungen zur Modelloptimierung. - Durchführung von Tests zur Überprüfung der Modellleistung und -zuverlässigkeit.

Für ein AI-Lab suchen wir einen Ruby-Entwickler, der ein KI-Modell (Large Language Model – LLM) trainiert. Du hilfst der KI, die Welt zu verstehen. Als Berater*in wirst du möglicherweise eingeladen, an Online-Projekten teilzunehmen, um das Modell in deinem Fachgebiet zu trainieren. Diese flexible Rolle richtet sich sowohl an Expert*innen, die eine Teilzeitbeteiligung (mindestens ein paar Stunden pro Woche) suchen, als auch an solche, die an Vollzeitmöglichkeiten interessiert sind. - Code-Generierung und Code-Review - Bewertung von Prompts und komplexe Datenannotation - Training und Evaluation von Large Language Models - Benchmarking und agentenbasierte Code-Ausführung in isolierten Umgebungen - Arbeit mit mehreren Programmiersprachen (Python, JavaScript/TypeScript, Rust, SQL usw.) - Anpassung von Richtlinien für neue Bereiche und Anwendungsfälle - Zusammenarbeit mit Projektleitenden, Solution Engineers und Supply Managern bei komplexen oder experimentellen Projekten

Wir suchen erfahrene Data Scientists, die rechnerisch intensive Data-Science-Aufgaben für ein fortgeschrittenes KI-Bewertungsprojekt erstellen. Dies ist eine Remote-Projektmöglichkeit für Expert:innen, die anspruchsvolle Probleme entwerfen können, die rechnerische Methoden zur Lösung erfordern und den vollständigen Data-Science-Lebenszyklus abbilden – von der Datenerfassung und -verarbeitung über statistische Analysen bis hin zu umsetzbaren Business-Insights. Was du tun wirst - Entwerfe originale, rechnerisch anspruchsvolle Data-Science-Probleme, die realistische analytische Workflows in verschiedenen Branchen simulieren (Telekommunikation, Finanzen, Behörden, E-Commerce, Gesundheitswesen) - Erstelle Probleme, die zur Lösung Python-Programmierung erfordern (pandas, numpy, scipy, sklearn, statsmodels, matplotlib, seaborn) - Sorge dafür, dass die Aufgaben so rechenintensiv sind, dass sie manuell nicht in angemessener Zeit (Tage/Wochen) gelöst werden können - Entwickle Probleme mit komplexen Argumentationsketten in Datenverarbeitung, statistischer Analyse, Feature Engineering, prädiktivem Modeling und Insight-Extraktion - Schaffe deterministische Aufgaben mit reproduzierbaren Ergebnissen – vermeide stochastische Elemente oder nutze feste Random Seeds für exakte Reproduzierbarkeit - Basier die Aufgaben auf realen Business-Herausforderungen: Kundenanalyse, Risikobewertung, Betrugserkennung, Prognosen, Optimierung und operative Effizienz - Gestalte End-to-End-Aufgaben, die die komplette Data-Science-Pipeline abdecken (Datenaufnahme → Bereinigung → EDA → Modellierung → Validierung → Deployment-Überlegungen) - Baue Szenarien für Big-Data-Verarbeitung ein, die skalierbare Rechenansätze erfordern - Verifiziere Lösungen mit Python unter Verwendung gängiger Data-Science-Bibliotheken und statistischer Methoden - Dokumentiere die Problemstellungen klar mit realistischen Business-Kontexten und gib verifizierte, richtige Antworten an

Zur Stärkung datengestützter Cross & Upsell sowie Retention Kampagnen betreibt Customer Interaction eine Plattform, auf der Kampagnenprozesse inklusive eines Profilers entwickelt, orchestriert und überwacht werden. Hierzu wird Unterstützung in den folgenden Bereichen gesucht: Analyse & Beratung - Fachliche und technische Analyse bestehender Kampagnenprozesse - Beratung zu Datenflüssen, Selektionen und ProfilingStrategien Entwicklung in PL/SQL - Implementierung und Optimierung von DatenSelektions, Transformations und Aggregationsstrecken in Oracle PL/SQL - Abbildung vorgegebener BusinessLogik zur Kundensegmentierung Testing & Qualitätssicherung - Planung und Durchführung von Unit, Integrations und Regressionstests - Dokumentation von Testfällen und Ergebnissen Betrieb & Monitoring - Überwachung laufender Jobs und Workflows (Performance, Fehlermanagement) - Tuning von SQLAbfragen und BatchProzessen KommunikationsOutputs - Anbindung bzw. Versorgung der Versandkanäle EMail, SMS, OutboundCall und Brief - Umsetzung datengetriebener Personalisierung und Aussteuerung

Die Abteilung Digital Analytics nutzt die Adobe Experience Cloud zur Umsetzung personalisierter Nutzererlebnisse. Ziel ist die Steigerung der Conversion Rates und Verbesserung der Customer Experience durch gezielte Personalisierung und Testing. Die technische Umsetzung erfolgt eigenständig durch spezialisierte Consultants. - Konzeption und technische Umsetzung von personalisierten Nutzererlebnissen mit Adobe Target - Implementierung von A/B- und Multivariaten Tests inkl. Qualitätssicherung in Live-Umgebungen - Integration von Adobe Target in komplexe Systemlandschaften unter Einbindung von Adobe Experience Platform und Adobe Experience Manager - Entwicklung von Targeting-Logiken auf Basis von Segmenten, Echtzeitdaten und Nutzerverhalten - Beratung zu neuen Features und Best Practices innerhalb der Adobe Experience Cloud - Erstellung technischer Entscheidungsvorlagen zur Weiterentwicklung der Personalisierungsstrategie - Dokumentation und Übergabe der entwickelten Lösungen in Confluence und vergleichbaren Tools - Aufbereitung technischer Unterlagen für den Datenschutz, insbesondere Datenflussdiagramme - Beratung zur DSGVO-konformen Nutzung von Adobe Target und angrenzenden Systemen - Durchführung von Workshops zur Einführung von Adobe Target