FewerJobs.
All jobs

PhD – Neurosymbolisches Schlussfolgern für domänenadaptives generatives KI-System (w/m/div.)

Bosch Group - Renningen, BW, Germany

Posted Nov 6, 2026

Benefits

Parental leave
Not verified
Non-birth-parent leave
Not verified
Family-building benefits
  • Fertility benefits: Not verified
  • Adoption assistance: Not verified
  • Surrogacy assistance: Not verified
Mental health support
Not verified
Relocation assistance
Not verified
Childcare support
Not verified
Learning budget
Not verified
Verification
Not verified
Salary
Not verified

Was this benefit information wrong? Tell us.

Role

Seniority
Mid From the posting source checked Nov 18, 2026

Schedule

Shift type
Not verified
Weekend work
Not verified

Application

Cover letter
Not verified
Assessment
Not verified
Deadline
Not stated

Where they hire

State eligibility is not yet verified.

About this role

PhD – Neurosymbolisches Schlussfolgern für domänenadaptives generatives KI-System (w/m/div.) Renningen, BW, Germany Unternehmensbeschreibung: Bei Bosch gestalten wir Zukunft mit hochwertigen Technologien und Dienstleistungen, die Begeisterung wecken und das Leben der Menschen verbessern. Unser Versprechen an unsere Mitarbeiterinnen und Mitarbeiter steht dabei felsenfest: Wir wachsen gemeinsam, haben Freude an unserer Arbeit und inspirieren uns gegenseitig. Willkommen bei Bosch. Die Robert Bosch GmbH freut sich auf Ihre Bewerbung! Stellenbeschreibung: Große Sprachmodelle (Large Language Models, LLMs) haben bemerkenswerte Fähigkeiten in einer Vielzahl von Aufgaben gezeigt. Ihre Leistung nimmt jedoch häufig in hochspezialisierten Domänen ab, die präzises strukturelles Schlussfolgern, Konsistenz und domänenspezifisches Wissen erfordern. Im Bereich des elektronischen Hardware-Designs haben bestehende LLMs Schwierigkeiten mit der strukturellen und semantischen Komplexität von Schaltungsbeschreibungen. Hardware-Designs werden als miteinander verbundene Graphen dargestellt, einschließlich Netzlisten, Schaltplänen und hierarchischen Designprojekten. Diese Darstellungen enthalten wesentliche Informationen, die bei der Umwandlung in rein sequenziellen Text verloren gehen. Als Teil unseres Teams werden Sie neuartige Methoden erforschen, um generative KI-Systeme an spezialisierte Domänen anzupassen, indem Sie strukturiertes symbolisches Wissen integrieren - ohne auf umfangreiches erneutes Training der Modelle angewiesen zu sein. Ihre Untersuchung wird sich auf Mechanismen konzentrieren, die es Large Language Models (LLMs) und anderen Foundation Models ermöglichen, externe Wissensrepräsentationen wie Wissensgraphen, Ontologien und formale Designrepräsentationen zu nutzen, während die Schlussfolgerungsfähigkeiten symbolischer Systeme erhalten bleiben. Sie werden innovative Ansätze entwickeln, die es generativen KI-Modellen ermöglichen, direkt mit diesen strukturierten Repräsentationen zu interagieren, um präziseres Schlussfolgern, Designunterstützung, Verifikation und Codegenerierung zu ermöglichen. Durch Ihre Arbeit leisten Sie einen wesentlichen Beitrag zur Entwicklung der

Read the full description at jobs.smartrecruiters.com. FewerJobs shows a preview and links to the original posting.

Apply at jobs.smartrecruiters.com

Apply link verified; last checked Nov 20, 2026.

What verified means

Verified means a displayed claim has field-level provenance to a source FewerJobs pulled: a government or employer source, or the original job posting. Posting-sourced facts are employer-stated and are labeled separately from government records.

Related jobs