Am Institut für Data Science der Mathematisch-Naturwissenschaftlichen Fakultät der Universität Greifswald ist vorbehaltlich der Mittelbewilligung zum nächstmöglichen Zeitpunkt, befristet bis 30.09.2028 , die Stelle als vollbeschäftigte*r

wissenschaftliche*r Mitarbeiter*in

im Projekt "Wissen und Informationen kumulieren und integrieren - für Bodenfruchtbarkeit, informierte Pflanzenbauentscheidungen und Optimiertes Standort Management" (WikiBioM) zu besetzen. Die Vergütung erfolgt nach Entgeltgruppe 13 TV-L Wissenschaft. Die Stelle ist teilzeitgeeignet.

Auf einem landwirtschaftlichen Pflanzenbaubetrieb sind laufend Managemententscheidungen zu fällen, die in der Regel erheblichen Einfluss haben, gleichermaßen auf das jährliche Betriebsergebnis, den Zustand des wichtigsten Betriebskapitals: den Ackerboden und nicht zuletzt die Stabilität der Natur und ihrer natürlichen Regelmechanismen. Ziel eines nachhaltig wirtschaftenden Betriebes muss es sein, jeweils informierte Entscheidungen nach dem bestmöglichen, aktuell verfügbaren Wissen zu treffen. Das Teilprojekt AI-WikiBioM entwickelt und nutzt Methoden der Künstliche Intelligenz (KI), besonders des Maschinellen Lernens (ML), der Sprachverarbeitung (NLP), und der Datenmodellierung in Form einer Expertenontologie, um zur Verfügung stehendes Fachwissen in seiner Breite und Vielfalt in der Form eines intelligenten Chatbots verfügbar zu machen.

Arbeitsaufgaben:

Der*die wissenschaftliche Mitarbeiter*in im Projekt AI-WikiBioM wird die folgenden Aufgaben haben:

• Entwicklung von Methoden für automatische Wissensextraktion und Lernen von Wissensgraphen aus schriftlichen Daten
• Entwicklung von hybriden domänenspezifischen Modellen des ML und des großen Sprachmodellen
• Entwicklung von hybriden Chatbots für die interaktive Unterstützung mit Domänenwissen im Bereich Landwirtschaft und insbesondere Pflanzenbauentscheidungen und Optimiertes Standort Management
• Veröffentlichung der erzielten Ergebnisse in wissenschaftlichen Fachzeitschriften

Einstellungsvoraussetzungen:

Wir suchen hoch motivierte Bewerber*innen mit überdurchschnittlicher Qualifikation, Forschungsfreude und -erfahrung sowie der Bereitschaft zur aktiven Mitarbeit in einer interdisziplinären Forschungsumgebung. Erfolgreiche Bewerber*innen verfügen über:

• Zum Zeitpunkt der Einstellung abgeschlossenes wissenschaftliches Hochschulstudium (Master oder äquivalent) in KI, Data Science oder einer anderen verwandten Disziplin
• Praktische Erfahrung im Bereich NLP, besonders Large Language Models, Prompt Engineering, Finetuning, Retrieval Augmented Generation (RAG), GraphRAG Ansätze
• Praktische Erfahrung mit Ansätzen zum Named Entitiy Recognition und Relation Extraction aus Texten
• Praktische Erfahrung mit Ontologieentwicklung und mit automatischem Graph Lernen von Texten
• Praktische Erfahrung mit Python
• Ausgezeichnete Englischkenntnisse
• Sehr gute Deutschkenntnisse
• Hohe Motivation, in einem interdisziplinären und internationalen Forschungsumfeld mitzuarbeiten

Diese Ausschreibung richtet sich an alle Personen unabhängig von ihrem Geschlecht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt.

Gemäß § 68 Abs. 3 PersVG M-V erfolgt die Beteiligung des Personalrats in Personalangelegenheiten des wissenschaftlichen/künstlerischen Personals nur auf Antrag.

Kosten, die Ihnen im Rahmen des Bewerbungsverfahrens entstehen, können vom Land Mecklenburg-Vorpommern leider nicht übernommen werden.

Wir weisen darauf hin, dass die Einreichung der Bewerbung eine datenschutzrechtliche Einwilligung in die Verarbeitung Ihrer Bewerberdaten durch uns darstellt. Näheres zur Rechtsgrundlage und Datenverwendung finden Sie hier .

Bewerbungen – vorzugsweise per E-Mail als eine PDF-Datei – mit den üblichen Unterlagen sind unter Angabe der Ausschreibungsnummer 26/Sa11 bis zum 07.04.2026 zu richten an:

Universität Greifswald

Felix-Hausdorff-Straße 18

sekretariat-datascience@uni-greifswald.de

• Stunden pro Monat
  40 Std./Woche
• Arbeitsplatz
  Vor Ort
• Gehalt
  Entgeltgruppe 13 TV-L Wissenschaft
• Benötigter Abschluss
  Master
• Bewerbungsmethode
  Per E-Mail
• Bewerbungsfrist
  7. April 2026
• Erstellungsdatum
  20. März 2026