Mitglied des technischen Teams, Finanzforschung (m/w/d)

Über die Rolle

Position: Mitglied des technischen Teams, Finanzforschung Beschäftigungsart: Vollzeit Standort: Remote

Werden Sie Teil unseres Forschungsteams als Member of Technical Staff (MTS), Finanzforschung, und helfen Sie, die Grenzen des KI-gestützten finanziellen Schlussfolgerns zu definieren. Diese Rolle liegt an der Schnittstelle von großen Sprachmodellen, agentischen Systemen und Unternehmensfinanzen, mit Schwerpunkt auf dem Aufbau rigoroser Bewertungsrahmen, die die KI-Leistung über komplexe Finanz-Workflows hinweg messen, vergleichen und voranbringen.

Sie betreiben angewandte Forschung, entwickeln neuartige Methoden zur Beurteilung finanzieller Intelligenz in KI-Systemen und arbeiten eng mit Forschern, Ingenieuren und Produktteams zusammen, um die nächste Generation der Unternehmens-KI mitzugestalten.

Ihre Aufgaben

• Bewertungsrahmen für KI-Agenten in Finanzbereichen entwerfen, verantworten und weiterentwickeln, darunter Benchmark-Suiten, Bewertungsmethoden, Qualitätsraster und Bewertungsprotokolle auf Forschungsniveau.
• Originäre Forschung zu finanziellem Schlussfolgern, Entscheidungsfindung und Workflow-Automatisierung betreiben und Erkenntnisse in messbare Verbesserungen der Leistung von KI-Systemen übersetzen.
• Datensätze, Testfälle und Benchmark-Umgebungen entwickeln und kuratieren, die reale Herausforderungen der Unternehmensfinanzen abbilden.
• Mit KI-Forschern, Machine-Learning-Ingenieuren und Produktteams zusammenarbeiten, um finanzfokussierte Modelle und agentische Systeme zu bewerten, zu validieren und zu verbessern.
• Modellverhalten, Fehlermodi und Leistungstrends analysieren, um umsetzbare Erkenntnisse zu gewinnen und Forschungsprioritäten zu lenken.
• Interne Forschungsergebnisse, technische Berichte und Best Practices veröffentlichen, die zum breiteren Verständnis der KI-Fähigkeiten im Finanzbereich beitragen.
• Über Fortschritte in KI, Machine Learning, Finanzmodellierung, Evaluationswissenschaft und Agentenarchitekturen auf dem Laufenden bleiben und neue Techniken in Forschungsinitiativen einbringen.
• Dazu beitragen, Forschungsstandards und Thought Leadership für finanzielle Intelligenz im Unternehmensumfeld und KI-Bewertung zu etablieren.
• Eine Kultur wissenschaftlicher Sorgfalt, des Experimentierens und der gemeinsamen Innovation in einem verteilten Forschungsumfeld fördern.

Anforderungen

• Weiterführender Abschluss in Finanzwesen, Wirtschaftswissenschaften, Financial Engineering, Quantitative Finance oder einem verwandten Fachgebiet (Promotion ausdrücklich bevorzugt; MBA, CFA oder gleichwertige Expertise werden ebenfalls berücksichtigt).
• Tiefe Fachexpertise in einem oder mehreren Bereichen der Finanzwelt, darunter Investment-Research, Kapitalmärkte, Risikomanagement, Unternehmensfinanzierung, Rechnungswesen oder Finanzanalyse.
• Nachgewiesene Erfahrung in rigoroser Forschung, der Entwicklung analytischer Methoden oder dem Aufbau von Bewertungsrahmen im Finanzbereich oder in verwandten quantitativen Disziplinen.
• Ausgeprägte Fähigkeit, mehrdeutige reale Finanzprobleme in messbare Forschungsfragen und Bewertungskriterien zu übersetzen.
• Außergewöhnliche analytische und kritische Denkfähigkeiten mit nachweislicher Erfahrung in der Lösung komplexer, interdisziplinärer Probleme.
• Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten, einschließlich Erfahrung in der Erstellung von Forschungsberichten, technischer Dokumentation oder Thought-Leadership-Inhalten.
• Erfahrung in der Arbeit in stark kollaborativen, funktionsübergreifenden Umfeldern mit Beteiligten aus Forschung, Engineering und Produkt.
• Erfahrung in der Bewertung, im Benchmarking oder in der Erforschung großer Sprachmodelle, KI-Agenten, Reasoning-Systeme oder KI-Anwendungen für Unternehmen.
• Vertrautheit mit agentischen Workflows, KI-Bewertungsmethoden, der Erzeugung synthetischer Daten oder Techniken zur Modellausrichtung.
• Kenntnis aktueller Forschung in Machine Learning, Finanz-KI, Decision Intelligence oder Computational Finance.
• Erfahrung im Entwurf von Branchen-Benchmarks, Bewertungsrahmen oder Leistungsstandards.
• Publikationen auf wissenschaftlichen Konferenzen, in Fachzeitschriften, in der Branchenforschung oder in einflussreichen technischen Veröffentlichungen.
• Sicherer Umgang mit Datenanalyse, Experimenten oder quantitativen Forschungswerkzeugen (z. B. Python, SQL, statistische Analyse oder Machine-Learning-Frameworks).