Wiss. Mitarbeiter*in (d/m/w) - 1. Qualifizierungsphase (zur Promotion)

Ihre Aufgaben

• Forschungs- und Lehraufgaben im Fachgebiet Distributed Operating Systems (DOS).
• Entwicklung und experimentelle Evaluierung von Methoden für die Zuverlässigkeit von Kl-Infrastrukturen, verteiltes Kl-Training und -Inferenz, Energieeffizienz sowie Performance-Optimierung für Kl-Infrastrukturen.
• Weiterentwicklung unserer Observability-Werkzeuge für Recheninfrastrukturen und Energiesysteme zur Analyse und Bewertung des Verhaltens und der Nachhaltigkeitsauswirkungen groß angelegter Kl-Anwendungen.
• Veröffentlichung von Forschungsergebnissen auf internationalen Konferenzen.

Ihr Profil

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in der Informatik oder einem eng verwandten Fachgebiet
• Fundierte Forschungserfahrung im Management von KI-Infrastrukturen, im energieeffizienten Betrieb (energy-efficient computing) oder im ressourceneffizienten Betrieb größer Kl-Infrastrukturen.
• Exzellente Kenntnisse im Bereich des maschinellen Lernens und der künstlichen Intelligenz, mit besonderem Schwerpunkt auf verteilten Kl-Systemen für Training und Inferenz
• Erfahrung mit der Modellierung von Performance, Effizienz und Ressourcen moderner KI-Workloads, einschließlich beschleunigerbasierten Rechnens (accelerator-based computing) und der Bereitstellung großer Modelle
• Expertise in datengetriebener Modellierung sowie in Prognose- und Optimierungsmethoden zur Bewertung und Steuerung des Systemverhaltens
• Exzellente Programmierkenntnisse in Python sowie Erfahrung mit wissenschaftlichem Rechnen, Machine-Learning-Frameworks (z. B. PyTorch) und Optimierungswerkzeugen.
• Erfahrung mit skalierbarer Datenanalyse, verteilten Systemen und Cloud- oder Rechenzentrumsinfrastrukturen
• Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
• Kenntnisse im Bereich Zuverlässigkeit und Fehlertoleranz für Kl-Inferenz und -Training sind ausdrücklich erwünscht
• Umfangreiche Erfahrung in der Publikation und Präsentation wissenschaftlicher Ergebnisse sowie in der Lehre und Betreuung von Studierenden
• Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten sowie zur erfolgreichen Zusammenarbeit mit interdisziplinären und industriellen Partnern erwünscht