remotefruitFilter
Remote-RegionAlle
ErfahrungAlle
VeröffentlichungAlle
Forschungsmitarbeiter für große Sprachmodelle (LLMs), EMEA
Die Rolle entwickelt neue Forschungsansätze für große Sprachmodelle im Umfeld sprachbasierter KI. Gemeinsam mit weiteren Forschungsmitarbeitenden definiert sie Forschungsinitiativen, bewertet Fachliteratur und plant experimentelle Programme. Sie betreut das Training von Transformer-Modellen auf verteilter Recheninfrastruktur und überführt neue Modelle in den Produktivbetrieb. Ergebnisse und komplexe technische Konzepte werden zielgruppengerecht dokumentiert und präsentiert. Aktuelle Entwicklungen in Deep Learning und LLMs werden auf ihre Bedeutung und Anwendungsmöglichkeiten für die Produkte untersucht. Fortgeschrittene KI-Werkzeuge werden im Arbeitsalltag aktiv eingesetzt, erprobt und auch selbst entwickelt; die wirksame Anwendung von KI fließt in die Leistungsbewertung ein.
Python
Python · erforderlichGefordert ist fundierte Erfahrung im Programmieren mit Python; zusätzlich ist fundierte Erfahrung mit PyTorch erforderlich.
+5
- PyTorch · erforderlich
Gefordert ist fundierte Erfahrung mit PyTorch; zusätzlich ist fundierte Programmiererfahrung mit Python erforderlich.
- LLM-Training · erforderlich
Erforderlich ist nachgewiesene LLM-Erfahrung einschließlich Datenkuratierung, verteiltem Training im großen Maßstab, Optimierung von Transformer-Architekturen und Reinforcement Learning.
- Modelloptimierung · erforderlich
Erforderlich ist bisherige Erfahrung in der Durchführung experimenteller Programme und der Nutzung ihrer Ergebnisse zur Modelloptimierung.
- RLHF · von Vorteil
Erwünscht ist Vertrautheit mit RLHF-Labeling und entsprechenden Trainingspipelines.
- Verteilte LLM-Inferenz · von Vorteil
Erwünscht ist Verständnis verteilter Inferenzverfahren sowie verteilter Trainingsverfahren für LLMs.
- PyTorch · erforderlich
- Gehalt
- Annahme: Anstellung als Arbeitnehmer in Deutschland. Ob diese Bedingungen für die Stelle gelten, ist nicht vollständig belegt. Rechnerischer Jahresvergleich: 40 Stunden/Woche × 52 Wochen = 2.080 Stunden/Jahr. 32,37 € je Stunde × 2.080 Stunden, auf volle 100 € gerundet: ≈ 67.300 €. Einheitliche Vollzeit-Vergleichsbasis, keine Angabe der tatsächlichen Arbeitszeit dieser Stelle. Keine Berechnung des tatsächlichen Jahres- oder Teilzeitgehalts; zusätzliche Sonderzahlungen werden nicht hinzugerechnet. Statistischer Mittelwert (kein Median) für die breite ISCO-08-Berufsgruppe 2: Professionals. Eurostat SES 2022, Deutschland, April 2022: 32,37 € brutto je bezahlter Stunde. Vergleichsgruppe: Arbeitnehmer in Voll- und Teilzeit einschließlich bezahlter Werkstudenten, Unternehmen mit mindestens 10 Beschäftigten, Wirtschaftsbereiche B–S ohne öffentliche Verwaltung (O). Kein studentenspezifischer Wert, kein Anforderungsniveau und kein konkretes Stellengehalt. Bei deutschen Bildungsberufen sind öffentliche Beschäftigtendaten teilweise geschätzt; auch die amtliche Berufszuordnung ist mit Unsicherheit behaftet. Quelle: https://doi.org/10.2908/EARN_SES22_14 (Abruf 28.10.2026). Auswahl und deutschsprachige Erläuterung: RemoteFruit; Eurostat trägt dafür keine Verantwortung.
- Umfang
- Vollzeit
- Erfahrung
- Staff
Deine Aufgaben
- Die Rolle definiert gemeinsam mit dem Forschungsteam neue LLM-Forschungsinitiativen und entwickelt dazu Ideen.
- Sie recherchiert umfassend Fachliteratur, bewertet und klassifiziert bestehende Methoden und arbeitet deren wesentliche Erkenntnisse heraus.
- Sie entwirft experimentelle Programme für LLMs und führt diese durch.
- Sie betreut erfolgreiche Transformer-Trainingsläufe auf verteilter Recheninfrastruktur und überführt neue Modelle in den Produktivbetrieb.
- Sie dokumentiert und präsentiert Ergebnisse sowie komplexe technische Konzepte verständlich für die jeweilige Zielgruppe.
- Sie verfolgt aktuelle Fortschritte in Deep Learning und LLMs und untersucht deren Auswirkungen und Anwendungsmöglichkeiten für die Produkte.
- Sie nutzt und erprobt fortgeschrittene KI-Werkzeuge im Arbeitsalltag und entwickelt auch eigene Werkzeuge, um die eigene Arbeit zu automatisieren und ihre Wirkung zu erhöhen.
Das solltest du mitbringen
Erforderlich12 Punkte
- Vorausgesetzt werden ein sicherer Umgang mit KI sowie die aktive, kontinuierliche und kreative Nutzung und Erprobung fortgeschrittener KI-Werkzeuge einschließlich eigener Entwicklungen. Neue Modelle und Arbeitsweisen sollen schnell übernommen und in Arbeitsabläufe integriert werden; die wirksame KI-Nutzung wird an Ergebnissen gemessen.
- Erwartet werden Experimentierfreude, Anpassungsfähigkeit, schnelle Reaktionen und kontinuierliches Lernen in einem Umfeld mit rasch wechselnden Aufgaben.
- Erforderlich sind umfangreiche Arbeitserfahrung mit LLMs und ein tiefes Verständnis der Transformer-Architektur.
- Gesucht werden Forschende, die ungelöste Probleme als Chance für neue Ansätze verstehen und entscheidende Experimente identifizieren können, um Ideen innerhalb von Tagen statt Monaten zu bestätigen oder zu verwerfen.
- Erwartet werden die Fähigkeit, eine 100-fache Skalierung erfolgreicher Machbarkeitsnachweise vorauszudenken, und ein ausgeprägter Antrieb, die eigene Wirkung durch KI zu automatisieren und zu verstärken.
- Die Rolle verlangt intensive Beschäftigung mit den Problemen, kreative Ansätze und konsequenten Einsatz für elegante, skalierbare Lösungen.
- Erforderlich sind mindestens 3 Jahre Erfahrung in angewandter Deep-Learning-Forschung sowie ein solides Verständnis der Anwendungen und Auswirkungen unterschiedlicher neuronaler Netztypen, Architekturen und Verlustmechanismen.
- Erforderlich ist nachgewiesene, umfangreiche Erfahrung mit LLMs einschließlich Datenkuratierung, verteiltem Training im großen Maßstab, Optimierung von Transformer-Architekturen und Reinforcement-Learning-Training.
- Erforderlich ist fundierte Erfahrung im Programmieren mit Python und in der Arbeit mit PyTorch.
- Erforderlich ist Erfahrung mit verschiedenen Transformer-Architekturen, darunter autoregressive und Sequence-to-Sequence-Architekturen.
- Erforderlich ist Erfahrung mit verteiltem Rechnen und Datenverarbeitung im großen Maßstab.
- Erforderlich ist bisherige Erfahrung in der Durchführung experimenteller Programme und der Nutzung ihrer Ergebnisse zur Modelloptimierung.
Von Vorteil5 Punkte
- Zusätzlich erwünscht ist ein tiefes Verständnis von Transformern, kausalen Sprachmodellen und deren zugrunde liegender Architektur.
- Erwünscht ist Verständnis verteilter Trainings- und Inferenzverfahren für LLMs.
- Erwünscht ist Vertrautheit mit RLHF-Labeling und entsprechenden Trainingspipelines.
- Erwünscht sind aktuelle Kenntnisse neuer LLM-Techniken und Entwicklungen.
- Erwünscht sind veröffentlichte Forschungsarbeiten zu Deep Learning, insbesondere zu LLMs und tiefen neuronalen Netzen.
Außerdem genannt2 Punkte
- Zum Profil passen Begeisterung für KI und aktuelle LLM-Forschung sowie Interesse daran, neue wissenschaftliche Erkenntnisse zu erarbeiten und für die Entwicklung und Bereitstellung großer Sprachmodelle anzuwenden.
- Zum Profil gehören Freude am Aufbau neuer Systeme von Grund auf, starke Kommunikationsfähigkeiten und die Fähigkeit, komplexe Konzepte verständlich zu vermitteln. Eine ausgeprägt analytische Arbeitsweise und Freude an detaillierten Analysen bei Bedarf werden ebenfalls angesprochen.
So ist Remote hier geregelt
- Arbeitszeit
Die Tätigkeit ist nicht auf einen stark vorgegebenen, traditionellen Arbeitsalltag von 9 bis 17 Uhr ausgerichtet.
Belegte Arbeits-/Kandidatenstandorte: EMEA.
Passt die Stelle? Öffne mit Premium den Bewerbungsweg.
Bewerbungslink freischaltenVeröffentlicht: 02.11.2026 · Quelle geprüft: 03.11.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.