About this role
Deine Aufgaben
Du entwickelst Machine-Learning-Verfahren zur
Erkennung verdächtiger Transaktionsmuster sowie komplexer Anomalien in Transaktions- und Beziehungsnetzwerken und untersuchst deren Nutzen für die Erkennung von Finanzkriminalität. Du untersuchst moderne
Ansätze wie Graph Neural Networks, selbstüberwachtes Lernen und kontrastives Pre-Training, insbesondere für Szenarien mit wenigen gelabelten Daten. Du entwickelst Methoden für eine zuverlässige
Graphkonstruktion und Entity Resolution und analysierst, wie unvollständige Daten und fehlerhafte Beziehungen die Modellqualität beeinflussen. Du evaluierst neue Verfahren systematisch hinsichtlich
Erkennungsleistung, Robustheit sowie Erklärbarkeit und überführst geeignete Ansätze in innovative AI-Lösungen für Banken und
Versicherungen. Du verfolgst aktuelle Forschung im Bereich Graph
Intelligence und bringst wissenschaftliche Erkenntnisse in die
Weiterentwicklung unserer Data-&-AI-Lösungen ein. Deine Skills: Du hast einen sehr guten Masterabschluss in Informatik, Mathematik,
Statistik, Physik oder einem verwandten quantitativen Fach und arbeitest aktuell an deiner Promotion oder beginnst das
Promotionsstudium in Kürze. Du hast fundierte Kenntnisse in Python und PyTorch sowie Erfahrung mit sauberem, reproduzierbarem Code, Git und systematischer Modellevaluation. Du hast praktisch mit PyTorch
Geometric oder DGL gearbeitet und mindestens ein GNN-Modell selbst trainiert, beispielsweise GCN, GAT oder GraphSAGE, idealerweise auf realitätsnahen Daten. Du verstehst selbstüberwachtes Lernen konzeptionell und praktisch und kennst Ansätze wie rekonstruktionsbasierte Verfahren, kontrastive Lernziele oder
Masked-Graph-Modelle. Du kennst zentrale Herausforderungen der
Graphkonstruktion, darunter Entity Resolution, Record Linkage, kNN-basierter Graphaufbau sowie die Auswirkungen fehlerhafter, fehlender oder zeitlich inkonsistenter Kanten. Du verfügst über sehr gute Deutschkenntnisse (mindestens C1-Niveau, verhandlungssicher) sowie gute Englischkenntnisse (mindestens B2-Niveau, fließend) in
Wort und Schrift. #LI-Hybrid #LI-LE1 Diese Skills wären ein weiteres
Plus, sind aber kein Muss: Erfahrung mit Neo4j, Knowledge Graphs,
Property Graphs oder Entity Resolution. Kenntnisse in graphbasierter
Anomalieerkennung, etwa mit DOMINANT, AnomalyDAE oder CARE-GNN, sowie
Erfahrung mit kontrastivem Lernen. Erste Erfahrung mit Fraud
Detection, Anti-Money Laundering (AML) oder der Analyse komplexer
Transaktionsnetzwerke. Erfahrung mit Docker, Modellversionierung,
Monitoring und dem produktiven Deployment von
Machine-Learning-Modellen.
Deine Benefits
Versicherung &
Altersvorsorge: Sicher unterwegs mit zeb – über eine
Gruppenunfallversicherung bist du auch privat in Deutschland versichert. Für Auslandsdienstreisen besteht eine zusätzliche
Auslandsversicherung, und für deine Altersvorsorge kannst du über zeb eine betriebliche Altersvorsorge abschließen. Mobiles Arbeiten:
Durch unsere technische Ausstattung ist mobiles Arbeiten von überall möglich – unabhängig davon, ob du gerade im Zug, zu Hause oder im
Office bist. zeb.life: Dein Leben verändert sich – und wir möchten dich in den verschiedenen Phasen begleiten. Mit zeb.life findest du
Unterstützung beispielsweise bei der Kinderbetreuung, im
Lebenslagenmanagement und Eldercare oder bei der Suche nach
Conciergediensten. Arbeitszeitmodelle: Bei uns gilt für alle
Mitarbeitenden das Prinzip "trust-based hours" für flexible
Arbeitszeiten. Für Festangestellte sind auch Teilzeitmodelle möglich: Unter Berücksichtigung deines Projekts kannst du in
Absprache mit deinem:deiner CDC (Career Development Counselor) dein
Modell entwickeln und nach Bedarf anpassen. Gestalte dein
Arbeitszeitmodell sowie deine Stunden damit nach deinen privaten
Anforderungen und passe deine Arbeitszeiten an deine persönliche
Situation an. Als Vertragsoption bietet das Modell "Family & More" zudem eine Garantie für reisefreie Wochentage, die vertraglich fixiert sind. Je nach Umfang der Reduzierung der Reisezeit erfolgt eine zeitlich befristete Gehaltsanpassung.