Wiss. Mitarbeiter*in (PostDoc) (d/m/w) - 2. Qualifizierungsphase (zur erstmaligen Übernahme einer ordentlichen Professur)
Teilzeitbeschäftigung ist ggf. möglich
Ihre Aufgaben
Mitarbeit in Forschung und Lehre im Fachgebiet Distributed Operating Systems (DOS). Entwicklung und experimentelle Evaluation von Methoden zur Erfassung und Prognose von Energie- und Wasserverbrauch, sowie CO₂-Emissionen von KI-Systemen. Entwurf von Optimierungs- und Regelungsstrategien, die verteilte Recheninfrastrukturen anhand von Nachhaltigkeitssignalen adaptiv steuern. Weiterentwicklung unserer Co-Simulationswerkzeuge für Recheninfrastrukturen und Energiesysteme zur Analyse und Bewertung des Verhaltens sowie der Nachhaltigkeitswirkungen großer KI-Deployments. Veröffentlichung der Ergebnisse auf internationalen Konferenzen.
Ihr Profil
1. Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) sowie Promotion in Informatik oder einem eng verwandten Fachgebiet.
2. Nachweisliche wissenschaftliche Publikationstätigkeit auf internationalen Konferenzen.
3. Fundierte Forschungserfahrung im Bereich energie- und CO₂-bewusster IT-Systeme, Nachhaltigkeitsbilanzierung oder ressourceneffizientem Betrieb großer Recheninfrastrukturen.
4. Sehr gute Kenntnisse im Bereich Maschinelles Lernen mit besonderem Fokus auf KI-Systeme für Training und Inferenz.
5. Erfahrung in der Leistungs-, Effizienz- und Ressourcenmodellierung moderner KI-Workloads.
6. Expertise in datengetriebener Modellierung, Prognoseverfahren sowie Optimierungs- und Steuerungsmethoden zur Bewertung und Regelung von Systemverhalten unter Nachhaltigkeitsrestriktionen.
7. Sehr gute Programmierkenntnisse in Python und Erfahrung mit wissenschaftlichem Rechnen, Machine-Learning-Frameworks (z. B. PyTorch) sowie Optimierungswerkzeugen.
8. Erfahrung mit skalierbarer Datenanalyse, verteilten Systemen und Cloud- bzw. Rechenzentrumsinfrastrukturen.
9. Kenntnisse im Bereich Energiesysteme, CO₂-Bilanzierungsmethoden oder Nachhaltigkeitsmetriken sind von Vorteil.
10. Ausgeprägte Erfahrung in der Veröffentlichung und Präsentation wissenschaftlicher Ergebnisse sowie in der Betreuung und Lehre von Studierenden.
11. Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben.
12. Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten sowie zur erfolgreichen Zusammenarbeit mit interdisziplinären Teams und Industriepartnern von Vorteil.