Über die Abteilung
Die Risk Intelligence and Knowledge Systems (RIKS) Einheit ist Teil der Life & Health Division und fungiert als regionales Analysezentrum für Europa, Großbritannien und Lateinamerika. Wir entwickeln und implementieren KI-Strategien, biometrische Erkenntnisse und Wissensmodelle für über 40 Märkte, 500 Zedenten und 1.500 aktive Rückversicherungsverträge. Wir investieren strategisch in skalierbare Daten- und Wissenstechnologien, um hochwertige Produkte aus strukturierten und unstrukturierten Daten zu schaffen.
Möchten Sie eine Schlüsselrolle bei der Gestaltung der Zukunft unseres Teams spielen? Wir suchen einen motivierten Knowledge and Ontology Engineer, der graphbasierte Wissenssysteme, Ontologien und semantische Datenschichten entwirft, entwickelt und operationalisiert.
Ihre Aufgaben
- Design, Entwicklung und Pflege unternehmensweiter Ontologien und Wissensgraphen zur Modellierung komplexer Zusammenhänge (Mortalität, Morbidität, medizinische Bedingungen, Rückversicherungsverträge).
- Aufbau graphbasierter Abstraktionsschichten zur Integration diverser Datenquellen in einheitliche semantische Modelle.
- Zusammenarbeit mit Fachexperten aus Underwriting, Medizin, Schadenmanagement und Pricing zur Formalisierung von Domänenwissen.
- Implementierung der Infrastruktur mittels Technologien wie Neo4j, RDF/OWL, SPARQL oder Property-Graph-Datenbanken.
- Entwicklung semantischer Datenpipelines und ETL-Prozesse zur Befüllung und Pflege der Wissensgraphen.
- Bereitstellung von APIs, Abfrageschnittstellen und Visualisierungstools für die Self-Service-Datennutzung.
- Unterstützung von KI/ML-Teams durch strukturierte Wissensrepräsentationen für erklärbare KI (Explainable AI).
- Design von Governance-Frameworks für Ontologie-Versionierung, Metadatenstandards und semantische Interoperabilität.
- Standardisierung von Terminologien, Taxonomien und Datenmodellen über Regionen hinweg.
- Beitrag zur Innovation durch Erforschung neuer semantischer Technologien (z. B. Neural-Symbolic AI).
- Dokumentation von Modellen und Systemarchitekturen sowie Wissensvermittlung durch Workshops.
Ihr Profil
- Bevorzugt Verständnis des Rückversicherungsgeschäfts sowie Erfahrung in Wissensmodellierung, Datenarchitektur oder Business Intelligence.
- Abgeschlossenes Studium (Informatik, Informationswissenschaft, Knowledge Engineering, Computerlinguistik o. ä.).
- Mehrjährige praktische Erfahrung im Design und der Implementierung von Ontologien oder Wissensgraphen in Produktionsumgebungen.
- Fundierte Expertise in Ontologiesprachen (OWL, RDF, RDFS, SKOS), semantischen Web-Technologien und Graph-Datenbanken (Neo4j etc.).
- Sicherer Umgang mit Graph-Abfragesprachen (SPARQL, Cypher) und Tools wie Protégé oder TopBraid.
- Starke Programmierkenntnisse in Python oder Java.
- Solides Verständnis von Datenmodellierung, ETL/ELT-Prozessen, SQL und Data-Warehouse-Architekturen.
- Erfahrung mit Graph-Visualisierung, semantischer Suche und Knowledge Discovery.
- Kenntnisse in Linked-Data-Prinzipien und Metadatenmanagement.
- Fähigkeit, komplexe fachliche Anforderungen in formale Wissensmodelle zu übersetzen.
- Hohe Eigenmotivation, Verantwortungsbewusstsein und Teamfähigkeit.
- Kenntnis von Data Governance, Datenschutz und regulatorischen Rahmenbedingungen.
- Fließende Englischkenntnisse in Wort und Schrift.
Bewerbungshinweise
Bitte bewerben Sie sich über unser Online-Portal und laden Sie Ihren Lebenslauf sowie akademische Zeugnisse, Arbeitszeugnisse und relevante Zertifikate hoch. Ein Anschreiben ist empfohlen.
Über uns
Als weltweit führender Rückversicherer mit über 16.000 Mitarbeitern an mehr als 50 Standorten setzen wir auf Innovation und multiskillige Teams. Wir bieten eine Unternehmenskultur, die Vielfalt fördert, kontinuierliches Lernen unterstützt und flexible Arbeitsmodelle (Hybrid Working) ermöglicht. Neben einer wettbewerbsfähigen Vergütung bieten wir moderne Altersvorsorgelösungen, Gesundheitsmanagement und eine ausgeprägte Work-Life-Balance.
Münchener Rückversicherungs-Gesellschaft ist ein Arbeitgeber, der Chancengleichheit fördert. Schwerbehinderte Bewerber werden bei gleicher Eignung bevorzugt berücksichtigt.
