Wissenschaftlichen Mitarbeit
(all genders welcome)
Kennziffer: 11231115/2026

in Vollzeit befristet bis zum 31.10.2028, vorbehaltlich zur Verfügung stehender Mittel, zu besetzen. Die Vergütung erfolgt bei Vorliegen der persönlichen und tariflichen Voraussetzungen bis zur Entgeltgruppe 13 TV-L.

Die Befristung des Arbeitsverhältnisses richtet sich nach § 2 Abs. 2 WissZeitVG.

Nachhaltige Landwirtschaft und die Stärkung der betrieblichen Resilienz erfordern einen sicheren, positiv konnotierten und effizienten Umgang mit den gesetzlichen Rahmenbedingungen. Im Projekt sollen die in der Landwirtschaft geforderten Dokumentationen und Informationspflichten durch KI-gestützte Auswertungen automatisiert werden. Das Ziel ist die Umsetzung der Interoperabilität für den Austausch zwischen den digitalen proprietären sowie offenen Services und benutzten Geräten auf landwirtschaftlichen Betrieben. Die Big Data-Infrastruktur wird durch die Einbeziehung und Auswertung weiterer neuer Datenquellen, der Machine-to-Machine Kommunikation (IoT) und deren Verknüpfung mit hochgenauen Standortdaten der einzelnen Maschinen und durch Ableiten neuer fachlicher Daten/Erkenntnisse durch Kombination der raum-zeitlichen Dimensionen durch logische Schlüsse bzw. KI-Algorithmen ergänzt. In den Datapipelines sind Prozesse zum Auffüllen von Datenlücken durch KI-Prozesse, Bayes’sche Statistik oder Fuzzylogik anhand der durch Large Language Models (LLM) ausgewerteten Audiosequenzen der Landwirte oder digitalisierte Textdokumente der Landwirte umgesetzt. Alle Daten werden fusioniert, verdichtet und bleiben aufgrund der Versionierung skalierbar. Es wird eine Prozesskette von der Nutzung der Big Data-Infrastruktur bis zur intelligenten Kombination von Daten zur Ableitung der geforderten Informationen bei ausgewählten beispielhaften Dokumentations- und Meldepflichten der landwirtschaftlichen Betriebe spezifiziert und entwickelt. Der entwickelte Prozessor der automatischen Datenfüllung wendet KI-Algorithmen für die unterschiedlichen Dokumentationspflichten an und setzt Schnittstellen zur Zentralen InVeKoS-Datenbank (ZID), HI-Tier und Tierseuchenkassen (TSK) um. Im Demonstrator HaAD sind für die unterschiedlichen Anwender-/Nutzergruppen passende Usability vorgesehen.

Aufgaben

Datenmanagement und Verlinkung zur Big Data-Infrastruktur
Prozesskettenspezifizierung und -entwicklung
Konzeption von KI-Methoden für unterschiedliche Use Case
Erstellung von Trainings- und Testdaten für KI-gestützte Anwendungen
Konzeption und Umsetzung Demonstrator HaAD

Voraussetzungen

ein erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom) im Bereich Mathematik, Informatik oder themenbezogener Ingenieurwissenschaften
Kompetenzen im Bereich Datenmanagement und Data Science

Ansprechpartner

Für Rückfragen steht Ihnen Herr Professor Dr. Hillmann, Telefon 0395/ 5693-4104, zur Verfügung.