Wiss. Mitarbeiter*in (Post Doc) (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - 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 Interpretierbarkeit und Fähigkeitsanalyse interner Repräsentationen von LLMs, um Fehlverhalten systematisch mittels Anomalieerkennung zu detektieren und dessen Ursachen über Root Cause Analysis zu identifizieren. Konzeption und Umsetzung von Prototypen zur Untersuchung und Erklärung von Modellverhalten. Veröffentlichung der Ergebnisse auf internationalen Konferenzen.
Ihr Profil
1. Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) sowie Promotion in Informatik
2. Nachweisliche wissenschaftliche Publikationstätigkeit auf internationalen Konferenzen
3. Mehrjährige Erfahrung in Industry-Research-Projekten, insbesondere in der Analyse und Modellierung großer Datenmengen zum Erkennen von Fehlverhalten
4. Fundierte Forschungserfahrung zu Large Language Models (LLMs), insbesondere zu deren Interpretierbarkeit, Fähigkeitsanalyse sowie zur Untersuchung ihrer internen Repräsentationen und Strukturen, mit dem Ziel, Ursachen und Mechanismen fehlerhaften Verhaltens von LLMs systematisch zu verstehen. Dafür sind unter anderem sehr gute Kenntnisse in den Bereichen Anomalieerkennung, Root Cause Analysis sowie in Methoden des Maschinellen Lernens und der Künstlichen Intelligenz erforderlich, die gezielt zur Identifikation und Analyse von Fehlverhalten komplexer Modelle eingesetzt werden.
5. Die Fähigkeit zum Unterrichten in deutscher und/oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben
6. Sehr gute Programmierkenntnisse in Python und sicherer Umgang mit modernen Machine-Learning-Frameworks (z. B. PyTorch)
7. Erfahrung mit skalierbarer Datenanalyse, verteilten Systemen und Cloud-Infrastrukturen
8. Ausgeprägte Erfahrung in der Veröffentlichung und Präsentation wissenschaftlicher Ergebnisse sowie in der Betreuung und Lehre von Studierenden
9. Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten und zur erfolgreichen Zusammenarbeit mit Industriepartnern erwünscht