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 https://www.linkedin.com/in/h-yi/