Doktorand*in in Responsible AI

Doktorand*in in Responsible AI

Fakultät für Informatik

Aufgaben und Verantwortlichkeiten

• Entwicklung von Methoden und Werkzeugen des maschinellen Lernens mit Fokus auf:
  • Data-Centric AI: Data Attribution, Datenkuratierung und Datenschutz (Privacy Preservation) für große Foundation-Modelle (z. B. LLMs und VLMs)
  • Agentic AI: Erforschung von Multi-Agenten-Systemen und deren Dynamiken
  • Explainable AI: Mechanistische Interpretierbarkeit (Mechanistic Interpretability)
• Forschung & Publikation: Entwicklung, Evaluierung und Veröffentlichung neuartiger Algorithmen mit theoretischen Garantien für strukturierte und unstrukturierte Daten
• Verfassen und Abschluss einer Dissertation (PhD) innerhalb von 4 Jahren
• Beitritt zur Vienna Doctoral School of Computer Science und Abschluss einer Dissertationsvereinbarung innerhalb von 12 Monaten
• Präsentation von Forschungsergebnissen auf hochrangigen internationalen Konferenzen, Workshops und in Fachzeitschriften
• Aktiver Beitrag zur akademischen Gemeinschaft durch Unterstützung bei der Organisation internationaler Tagungen, Konferenzen und Symposien
• Übernahme administrativer Aufgaben für die Forschungsgruppe und Fakultät
• Selbstständiges Abhalten von Lehrveranstaltungen und Prüfungen sowie (Co-)Betreuung von Studierenden

Qualifikationen

Erforderlich:

• Abgeschlossenes (oder kurz vor dem Abschluss stehendes) Masterstudium in Informatik, Machine Learning, Mathematik, Physik, Statistik oder einem verwandten quantitativen Bereich
• Fundierte Kenntnisse in maschinellem Lernen, Statistik und/oder Mathematik
• Hervorragende Programmierkenntnisse in Python
• Idealerweise sehr gute Kenntnisse in mindestens einem Deep-Learning-Framework (z. B. PyTorch, JAX)
• Erste Forschungserfahrungen (z. B. herausragende Masterarbeit, Open-Source-Beiträge oder Workshop-Publikationen)
• Ausgezeichnete Englischkenntnisse in Wort und Schrift
• Hohe Eigenmotivation, Neugier sowie Fähigkeit zu eigenständigem und teamorientiertem Arbeiten

Wünschenswert:

• Erfahrung im Training oder Fine-Tuning großer Modelle (LLMs, VLMs) in verteilten Systemen
• Vertrautheit mit Cluster-Computing-Umgebungen (z. B. SLURM) und Linux-basierten Workflows
• Bisherige Erfahrung in einem Forschungslabor, inkl. Beiträgen zu Publikationen oder Open-Source-Projekten
• Lehrerfahrung

Rahmenbedingungen

• Beginndatum: 15.10.2026
• Stundenausmaß: 30
• Einstufung KV: §48 VwGr. B1 Grundstufe (praedoc)
• Befristung bis: 12.10.2029
• Der ideale Startzeitpunkt liegt zwischen Oktober und November 2026
• Die Anstellungsdauer beträgt 3 Jahre
• Das Arbeitsverhältnis ist zunächst auf 1,5 Jahre befristet und verlängert sich automatisch auf 3 Jahre, sofern der Arbeitgeber nicht innerhalb der ersten 12 Monate eine Nichtverlängerungserklärung abgibt
• Bei entsprechendem Arbeitsfortschritt ist eine Verlängerung auf insgesamt maximal 4 Jahre möglich
• Bruttomonatsgehalt: 3.776,10 EUR (bei Vollzeitbeschäftigung, 14-mal jährlich ausbezahlt), kann sich durch Anrechnung einschlägiger Berufserfahrung erhöhen

Über das Team

Teil der Forschungsgruppe „Responsible Machine Learning (ML)“ an der Fakultät für Informatik unter der Leitung von Prof. Dr. Martin Pawelczyk. Forschungsschwerpunkte:

• Data-Centric AI: Machine Unlearning, datenschutzfreundliche Verfahren (Privacy-Preserving Techniques), robuste Datenkuratierung
• AI Safety: Robustes Alignment und Sicherheit in Multi-Agenten-LLM-Systemen
• Effizienz: Optimierung und Vereinfachung von Modellevaluierungen und -training im großen Maßstab
• Science of Deep Learning: Mechanistische Interpretierbarkeit und Verständnis grundlegender Treiber für Modellleistung bei großer Skalierung

Stellenanzeige automatisch mit KI zusammengefasst