Research Assistant / Doctoral Student - AI & Historical Data für das SAFE Forschungsdatenzentrum

Das Leibniz-Institut für Finanzmarktforschung SAFE - Sustainable Architecture for Finance in Europe - () fördert wissenschaftliche Forschung, Transferarbeit in die Öffentlichkeit und unabhängige Politikberatung zu allen Aspekten, die sich mit der Struktur und Funktionsweise des Finanzsystems befassen. Es verfolgt das Ziel, einen Beitrag zur Stärkung eines nachhaltig aufgestellten und widerstandsfähigen Finanzsystems zu leisten, welches Innovationen voranbringt und den Bedürfnissen von Wirtschaft und Bürgern dient. SAFE vereint Forscher:innen aus den Bereichen Wirtschaftswissenschaften, Rechtswissenschaft und Politikwissenschaft.

Im Rahmen eines Forschungsprojekts untersuchen wir den Einsatz moderner KI-Verfahren, insbesondere von Vision Large Language Models, zur automatisierten Erkennung und Strukturierung historischer wirtschaftlicher Daten.

Ziel ist es, bestehende OCR-basierte Verfahren zu erweitern oder perspektivisch zu ersetzen und insbesondere die Erkennung komplexer Layouts wie Tabellen deutlich zu verbessern. Als Anwendungsfall dient die wirtschaftshistorische Quelle "Bankenjahrbuch", die aufgrund ihrer Struktur eine anspruchsvolle und zugleich inhaltlich hochrelevante Grundlage für die Evaluation moderner Verfahren bietet.

Die Position ist am Forschungsdatenzentrum unseres Instituts angesiedelt und erfolgt in enger Zusammenarbeit mit dem Forschungsdatenzentrum der Universität Mannheim im Rahmen von sowie des "Finanz- und Unternehmensforschung aus der Langfristperspektive". Sie arbeiten an der Schnittstelle von Machine Learning, Datenverarbeitung und wirtschaftshistorischer Forschung und tragen aktiv zur Entwicklung neuer methodischer Ansätze bei. Das Projekt bietet die Möglichkeit, mit einzigartigen historischen Daten zu arbeiten und moderne KI-Verfahren in einem bislang wenig erschlossenen Anwendungsfeld systematisch zu evaluieren, * Evaluation aktueller Vision-LLMs zur Texterkennung und Strukturierung historischer Dokumente

• Analyse und Vergleich der Modelle hinsichtlich Erkennungsqualität und Laufzeitperformance
• Aufbau und Aufbereitung von Trainingsdatensätzen für Nachtrainingsverfahren
• Entwicklung und Umsetzung von Strategien zum Fine-Tuning bzw. Nachtraining von Modellen
• Vergleich moderner Ansätze mit bestehenden OCR-Verfahren
• Dokumentation der Ergebnisse sowie Mitwirkung an wissenschaftlichen Veröffentlichungen
• Entwicklung reproduzierbarer Workflows und Bereitstellung der Ergebnisse im Sinne von Open Science

• Abgeschlossenes Hochschulstudium (Master oder vergleichbar) in Informatik, Data Science, Wirtschaftswissenschaften oder verwandten Fachricht
• Interesse an Machine Learning, insbesondere im Bereich NLP, Computer Vision oder multimodale Modelle
• Programmierkenntnisse (insb. Python) und Erfahrung im Umgang mit Daten
• Interesse an experimenteller Arbeit, Modell-Evaluation und methodischer Weiterentwicklung
• Strukturierte und selbstständige Arbeitsweise
• Interesse daran, technische Arbeit mit forschungsnahen Fragestellungen zu verbinden
• Interesse an wirtschaftshistorischen Fragestellungen oder digitalen Methoden in den Geistes- und Sozialwissenschaften ist von Vorteil
• Erste Erfahrungen mit OCR, LLMs oder ähnlichen Technologien sind von Vorteil, aber nicht zwingend erforderlich
• Gute Englischkenntnisse in Wort und Schrift
• Gute Deutschkenntnisse sind von Vorteil

Wir bieten eine spannende Tätigkeit an der Schnittstelle von KI, Datenverarbeitung und wirtschaftshistorischer Forschung in einem dynamischen und interdisziplinären Umfeld. Sie arbeiten in engem Austausch mit Forschenden und entwickeln eigenständig neue methodische Ansätze.

Die Position bietet ein hohes Maß an Flexibilität und Eigenverantwortung bei der Gestaltung der methodischen und technischen Herangehensweise sowie Raum für experimentelles Arbeiten.

Zudem besteht die Möglichkeit, ein Promotionsvorhaben zu beginnen, in der Regel in den Bereichen Finance, Economics oder Economic History. Bitte beachten Sie, dass die Stelle befristet ist und eine Weiterbeschäftigung über die Vertragslaufzeit hinaus nicht garantiert werden kann.

Die Vergütung erfolgt gemäß den Bestimmungen des Tarifvertrages für den öffentlichen Dienst des Landes Hessen (TV-H), Entgeltgruppe 13. Zusätzlich bieten wir Ihnen eine attraktive betriebliche Altersversorgung über die Versorgungsanstalt des Bundes und der Länder (VBL).