Der Fachbereich Informatik gehört zu den forschungsstärksten Informatikfakultäten Deutschlands und ist mit über 300 Mitarbeitenden und einem Gesamtbudget von mehr als 30 Millionen Euro p.a. ein Leistungsträger der TU Darmstadt. Im Forschungsfeld „Information + Intelligence“ treiben unsere Wissenschaftler:innen die Profilthemen Künstliche Intelligenz, Cybersicherheit & Privatheit sowie komplexe, vernetzte Systeme voran und prägen damit das wissenschaftliche Profil unserer Universität.

Das neu gegründete Fachgebiet „Kontinuierliches Lernen und Bayes’sches Schlussfolgern“ beschäftigt sich mit der Entwicklung nachhaltiger und transparenter Systeme der künstlichen Intelligenz (KI). Dabei werden zwei Ziele verfolgt: Erstens soll die starke Abhängigkeit von extrem großen Datensätzen, Berechnungen und Energieressourcen verringert werden, und zweitens sollen Systeme mit transparenten Funktionalitäten entwickelt werden. Wir wollen diese Ziele erreichen, indem wir KI-Systeme entwickeln, die ähnlich wie Menschen und Tiere durch schnelle und kontinuierliche Anpassung lernen. Wir nutzen Techniken aus einer Vielzahl von Bereichen, wie Deep Learning, Statistik und Optimierung, und decken dabei sowohl theoretische als auch praktische Methoden ab.

Das Fachgebiet trägt zur Forschung des Hessischen Zentrums für Künstliche Intelligenz (hessian.AI) sowie zur strategischen Schwerpunktsetzung des Fachbereichs Informatik der TU Darmstadt im Bereich Künstliche Intelligenz bei.

Sie werden an Forschungsaufgaben im Bereich Kontinuierliches Lernen und Bayes’sches Schlussfolgern arbeiten.

Mögliche Themenfelder für Promotionen sind:

• Kontinuierliches Lernen: Praktisches kontinuierliches Lernen in großem Maßstab (für LLMs), Aufbau und Nutzung von Gedächtnis für kontinuierliches Lernen, schnelles kontinuierliches Lernen durch Anpassung, Curriculumn-Lernen, Verständnis und Förderung von Plastizität während des Lernens
• Verteiltes Lernen: Föderales Lernen in großem Maßstab, Lernen zu kommunizieren, neue Algorithmen für verteiltes Lernen, gehirnähnliches Lernen durch lokale Lernregeln, multimodales Lernen, Aufbau eines Verbunds von KI-Modell-Zoos
• Transparente KI: Verständnis der Lernmechanismen von LLMs, Wissensverfolgung während des Trainings, KI-Transparenz durch Anpassung, Konzept- und Repräsentationslernen
• Aktive KI: Methoden zur Auswahl von Datensätzen und zur Extraktion von Modellen, aktive Modellzusammenführung und -optimierung, Lernen durch schnelle Anpassung, dateneffizientes Reinforcement Learning (mit Anwendung in der Robotik)
• Approximative Inferenz: groß angelegte Bayes’sche Inferenz (für räumlich-zeitliche Modelle und Gauß-Prozesse), PAC Bayes für adaptive Intelligenz, Nachrichtenübermittlung für Deep Learning, Verallgemeinerung Bayes’scher Prinzipien unter Verwendung der Informationsgeometrie.
• Kontinuierliche Optimierung: schnelle Varianten von ADMM für nicht-konvexe Probleme, schnelle Optimierung zweiter Ordnung, praktische stochastische Varianzreduktion, Verständnis und Verallgemeinerung von Dualitätsprinzipien
• Anwendungen: NLP, multimodale Optimierung, Robotik

In der Lehre unterstützen Sie das Fachgebiet durch Mitarbeit an Vorlesungen, Praktika und Seminaren und wirken bei der Betreuung und Bewertung von Studienarbeiten mit.

Sie verfügen über

• Universitätsabschluss in Naturwissenschaften (Master oder gleichwertig) mit guten Leistungen in den Bereichen maschinelles Lernen, Wahrscheinlichkeitsrechnung, Statistik, Optimierung und Deep Learning
• Sehr gute Englisch-Kenntnisse in Wort und Schrift. Zwingend gute Kommunikationsfähigkeiten, insbesondere im wissenschaftlichen Schreiben in englischer Sprache
• Ausgezeichnete Programmierkenntnisse, Erfahrung mit großen Modellen von Vorteil
• Erfahrung mit der Konzeption und Durchführung wissenschaftlicher Experimente sowie der Visualisierung, Dokumentation und Berichterstattung von Versuchsergebnissen
• Erfahrung mit der Leistungsbewertung von maschinellen Lernsystemen
• Fähigkeit zur Zusammenarbeit in einem dynamischen und interdisziplinären Forschungsumfeld

Die Technische Universität Darmstadt bietet vielfältige und herausfordernde Aufgaben, eigenverantwortliches Arbeiten, aktuelle Technologien, gute kollegiale und partnerschaftliche Zusammenarbeit, bedarfsorientierte Fortbildungsmöglichkeiten und eine individuelle Personalentwicklung.

Wir bieten Ihnen die Gelegenheit zur Vorbereitung einer Promotion. Das Beschäftigungsverhältnis dient zugleich der wissenschaftlichen Qualifizierung.

• Entfaltung und Gestaltung – ein umfassendes internes Weiterbildungsangebot sowie Möglichkeiten der Weiterqualifizierung und Entwicklung
• Urlaub/Bildungsurlaub – 30 Tage Urlaub pro Jahr (bei Vollzeit) und 5 Tage Bildungsurlaub
• Nachhaltig und Mobil – Freifahrtberechtigung im gesamten Regionalverkehr in Hessen durch das LandesTicket Hessen nach den jeweils geltenden tariflichen Bestimmungen sowie mobiles Arbeiten
• Fit und Gesund – kostenlose medizinische Vorsorgeuntersuchungen und umfangreiches vergünstigtes Sportangebot
• Work-Life-Balance – flexible Arbeitszeitmodelle; Betriebliches Gesundheitsmanagement
• Altersvorsorge – Zusatzversorgung des öffentlichen Dienstes (VBL) nach den jeweils geltenden Bestimmungen
• Dienstrad/Fahrradleasing
• Familienfreundlichkeit/Vereinbarkeit Familie/Pflege/Beruf – Kinderbetreuungsangebote sowie Zahlung einer Kinderzulage (gemäß tariflichen Bestimmungen), Ferienangebote

Die Technische Universität Darmstadt strebt eine Erhöhung des Anteils der Frauen am Personal an und fordert deshalb besonders Frauen auf, sich zu bewerben. Bewerber:innen mit einem Grad der Behinderung von mindestens 50 oder diesen Gleichgestellte werden bei gleicher Eignung bevorzugt. Die Vergütung erfolgt nach dem Tarifvertrag für die Technische Universität Darmstadt (TV – TU Darmstadt). Teilzeitbeschäftigung ist grundsätzlich möglich.

Mit dem Absenden Ihrer Bewerbung willigen Sie ein, dass Ihre Daten zum Zwecke des Stellenbesetzungsverfahrens gespeichert und verarbeitet werden. Sie finden unsere Datenschutzerklärung auf unserer Webseite.

Für Rückfragen zu dieser Position steht Ihnen das Dekanat des Fachbereichs Informatik gerne zur Verfügung unter dekanat@informatik.tu-darmstadt.de.