Lead Applied Scientist (m/w)

Job Informationen ###### Location: Zug, hybrid Workload: Vollzeit Ihre Aufgaben: Design und Bereitstellung von semantischen Chunking-Systemen für umfangreiche, nicht einheitlich strukturierte Rechts-, Steuer- und Buchhaltungsdokumente Aufbau von Pipelines zur Dokumentenanreicherung, die Dokumententypen, Rechtsordnungen, Rechtskonzepte, Entitäten, Parteien und andere domänenspezifische Metadaten identifizieren Entwicklung von hierarchischen und Multi-Label-Dokumentenklassifizierungssystemen unter Verwendung sowohl standardisierter als auch kundendefinierter Taxonomien Aufbau von LLM-basierten und traditionellen NLP-Informationsextraktions-Pipelines, die Entitäten, Beziehungen, Zitate, Referenzen und Schlüsselkonzepte aus unstrukturierten Inhalten identifizieren Entwicklung von Systemen zur Konstruktion von Knowledge Graphs, die Entitäten, Rechtskonzepte, Zitate und Beziehungen über große Dokumentensammlungen hinweg extrahieren, normalisieren, verknüpfen und anreichern Design von Systemen, die Erkenntnisse aus komplexen tabellarischen Daten identifizieren, interpretieren und extrahieren, die in Rechts-, Steuer-, Regulierungs- und Buchhaltungsdokumenten eingebettet sind Erstellung von Document-Intelligence-Fähigkeiten, die nachgelagerte Search-, Retrieval-, RAG- und agentische AI-Workflows unterstützen Design robuster Evaluationsframeworks für Dokumentenverständnissysteme unter Verwendung von Expertenannotationen, synthetischen Datensätzen und Produktionsmetriken Leitung technischer Entscheidungen zu Dokumentenanalyse-Architekturen, Chunking-Strategien, Extraktionsmethodiken, Klassifizierungsansätzen und Frameworks zur Wissensrepräsentation Enge Zusammenarbeit mit Engineering-Teams zur Bereitstellung skalierbarer, zuverlässiger und produktionsreifer AI-Systeme Bereitstellung technischer Führung und Input zur AI-Strategie, zu Plattformkapazitäten und zu langfristigen Roadmap-Entscheidungen Mentoring von Applied Scientists und Machine Learning Praktikern in der gesamten Organisation Ihr Profil: Sie passen auf die Rolle als Lead Applied Scientist, Document Understanding, wenn Sie verfügen über: PhD in Computer Science, AI, NLP, Machine Learning, Information Retrieval oder einem verwandten Bereich, mit nachweisbarer Industrieerfahrung nach dem Abschluss in der Entwicklung und Bereitstellung von Dokumentenverständnissystemen in großem Maßstab. Praktische Tiefe in den Bereichen Dokumentenanalyse, Informationsextraktion, Klassifizierung, Wissensrepräsentation, Evaluation und Produktionsbereitstellung. Erfolgreiche Überführung fortschrittlicher NLP- und AI-Fähigkeiten von der Forschung in die Produktion und das Verständnis dafür, wie komplexe, unstrukturierte Inhalte in strukturiertes Wissen umgewandelt werden, das Suche, Retrieval, Reasoning und intelligente Workflows antreibt. Eine kollaborative Denkweise, bei der Sie mentoren können und den Erfolg daran messen, was veröffentlicht wird und in der Produktion performt. Erfahrung im Aufbau von produktionsreifen Dokumentenverständnissystemen, die über einfache OCR oder Dokumentenparsing hinausgehen und messbare geschäftliche Auswirkungen liefern. Ein Verständnis dafür, wie große Sammlungen unstrukturierter Dokumente in strukturierte Wissensbestände umgewandelt werden, indem Knowledge Graphs aus realen Inhalten aufgebaut und diese genutzt werden, um Retrieval, Reasoning und AI-Workflows zu verbessern sowie aussagekräftige Erkenntnisse sowohl aus natürlicher Sprache als auch aus komplexen tabellarischen Inhalten zu extrahieren. Benötigte Skills ###### • Senior • Support • Machine Learning • Embedded • Master