AI Research Engineer / ML Researcher.

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