Werkstudierende im Bereich NLP

Job Description

Die Fraunhofer-Gesellschaft ist eine der weltweit führenden Organisationen für anwendungs­orientierte Forschung. 74 Institute entwickeln weg­weisende Technologien für unsere Wirt­schaft und Gesell­schaft – genauer: 30 000 Menschen aus Technik, Wissen­schaft, Ver­waltung und IT. Sie wissen: Wer zu Fraunhofer kommt, will und kann etwas verändern – für sich, für uns und die Märkte von heute und morgen.

Das Fraunhofer-Institut für Sichere Informationstechnologie SIT gehört zu den führenden Forschungs- und Entwicklungseinrichtungen für Cybersicherheit in Deutschland und Europa und ist Teil von ATHENE, dem nationalen Forschungszentrum für angewandte Cybersicherheit. ATHENE ist eine Kooperation der Fraunhofer-Gesellschaft mit der TU Darmstadt, der Hochschule Darmstadt und der Goethe-Universität Frankfurt. Unser gemeinsames Ziel: die Welt von morgen sicherer zu machen.

Implementierung von Natural Language Processing (NLP) Ansätzen, u. a.:

• Merkmalsextraktion (LLM-gestützt, Embedding-basiert sowie »klassisches« Feature Engineering)
• Stilbrucherkennungsalgorithmen (Style Change Detection)
• Erkennung KI-generierter Textinhalte sowie Zuordnung, welches LLM welchen Text generiert hat
• Optimierung bestehender Autorschaftsanalyse-Verfahren (Attribution und Verifikation)

Implementierung und Anwendung verschiedener Machine-Learning-Verfahren / ‑Konzepte, wie z. B.:

• One / Binary-Class-Classification: LLM-basiert (z. B. Zero / Few Shot Learning, Finetuning von Foundation-Modellen), Deep-Learning-Ansätze (CNNs, Transformer, Siamesische NNs), lassische Ansätze (SVM, Random Forest, Isolation Forest, kNN u. v. m.)
• Ensemble-Verfahren (Stacking, Voting, Weighting, Calibration)
• Evaluierung von ML-Modellen anhand standardisierter Metriken (ROC, AUC, Konfusionsmatrizen u. v. m.)
• Entwicklung von UIs und WebApps (fastHTML, Streamlit, Gradio, Angular, Svelte)
• Mitarbeit in öffentlich geförderten und/oder direkt durch Industriepartner beauftragten Projekten

• Fundierte Kenntnisse in Machine / Deep Learning
• Vertrautheit mit verschiedenen Architekturen von Neuronalen Netzen (u. a. Transformer, MLP, 1D-CNNs)
• Vertrautheit mit grundlegenden Begriffen und Konzepten wie Klassifikation, Hyperparameter-Optimierung, Fine-Tuning und Evaluierung von Modellen
• Fundierte Kenntnisse in Python sowie in der Frontend-Entwicklung sind zwingend erforderlich und werden im Interview getestet
• Von Vorteil: Fähigkeit, Methoden und Verfahren aus wissenschaftlichen Veröffentlichungen eigenständig umzusetzen
• Von Vorteil: Wissen und Erfahrung im Bereich Cybersicherheit
• Bereitschaft, sich neuen Herausforderungen zu stellen
• Ausgeprägtes analytisches Denken

• Attraktive Vergütung: 18,06 € / Stunde für Bachelorstudierende und 18,78 € / Stunde für Masterstudierende
• Flexible Arbeitszeiten, die sich gut mit Deinem Studium vereinbaren lassen
• Eine inspirierende Arbeitsumgebung mit modernster Infrastruktur
• Die Möglichkeit, praktische Erfahrung zu sammeln und wertvolle Kontakte in der Forschung zu knüpfen
• Möglichkeit für spätere Bachelor- und Masterarbeit
• Die monatliche Arbeitszeit beträgt 40 bis 80 Stunden, je nach Absprache