Doktorand*in in Responsible AI

University of Vienna; Wien; Vor Ort; EUR 38.000 - 46.000; Vollzeit

Zusammenfassung

Universität Wien, Fakultät für Informatik, sucht eine promovierte Person für maschinelles Lernen mit Fokus auf Data-Centric AI, Agentic AI und Explainable AI. Die Stelle beinhaltet die Vertiefung, Evaluierung und Veröffentlichung neuartiger Algorithmen mit theoretischen Garantien sowie Abschluss einer Dissertation in ca.

vier Jahren. Sie arbeiten in der Vienna Doctoral School of Computer Science, nehmen an internationalen Konferenzen teil und unterstützen die Organisation von Workshops sowie die

Qualifikationen

• Abgeschlossenes Masterstudium in Informatik, ML, Mathematik, Physik, Statistik oder verwandtem quantitativen Bereich.
• Fundierte Kenntnisse in maschinellem Lernen, Statistik und/oder Mathematik.
• Hervorragende Programmierkenntnisse in Python.
• Idealerweise gute Kenntnisse in PyTorch oder JAX.
• Erste Forschungserfahrungen durch Masterarbeit, Open-Source-Beiträge oder Publikationen.
• Ausgezeichnete Englischkenntnisse in Wort und Schrift.
• Hohe Eigenmotivation, Neugier sowie Fähigkeit zu eigenständigem und teamorientiertem Arbeiten.

Aufgaben

• Entwicklung von Methoden und Werkzeugen des maschinellen Lernens mit Fokus auf Data-Centric AI, Agentic AI und Explainable AI.
• 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 internationalen Konferenzen, Workshops und in Fachzeitschriften.
• Unterstützung bei der Organisation internationaler Tagungen, Konferenzen und Symposien.
• Administrative Aufgaben für die Forschungsgruppe und Fakultät.
• Selbstständiges Abhalten von Lehrveranstaltungen und Prüfungen sowie Co-Betreuung von Studierenden.

Kenntnisse

Python

Machine Learning

Englisch

Teamfähigkeit

Ausbildung

Masterabschluss in Informatik / ML / Mathematik / Physik / Statistik

Tools

PyTorch

JAX

SLURM

Linux

Jobbeschreibung

Fakultät für Informatik

• 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
  

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

Responsibilities

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