Doktorand*in Reasoning-Methoden für autonome Systeme

Die Fraunhofer-Gesellschaft ist eine der weltweit führenden Organisationen für anwendungsorientierte Forschung. 75 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 32 000 Menschen aus Technik, Wissenschaft, Verwaltung und IT. Im Rahmen des »Zentrums für angewandte Künstliche Intelligenz Duisburg« (kurz: ZaKI.D) wollen wir mit zukunftsträchtigen KI-Technologien die regionale Wirtschaft bei der Transformation in Duisburg und angrenzenden Regionen unterstützen.

Gemeinsam mit der Universität Duisburg-Essen und der KROHNE Messtechnik GmbH werden wir vom Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS kleinen und mittelständischen Unternehmen (KMU) über die Säulen KMU-Unterstützung, Aus- und Weiterbildung sowie KI-Innovationsinkubator dabei helfen, Künstliche Intelligenz in ihre Betriebe und Produkte zu integrieren. Den technologischen Schwerpunkt des ZaKI.D bildet dabei eingebettete Künstliche Intelligenz auf ressourcenbeschränkten Geräten wie z.B. Sensoren, Smart Devices oder Robotern. Damit wollen wir diese sicherer und intelligenter machen, Fertigungsprozesse optimieren, die Qualität von Produkten erhöhen und gleichzeitig den ökologischen Fußabdruck minimieren.

Generative Künstliche Intelligenz (KI) ist ein Teilgebiet der KI, in dem sowohl die Schlussfolgerungen von Usereingaben, aber auch die Erzeugung von Daten eine wesentliche Rolle spielen. Bei der Interaktion mit der physischen Welt ist die Verbesserung von Reasoning-Methoden zur Unterteilung einer Nutzereingabe in kleine Teilaufgaben ein zentraler Bestandteil, um die Algorithmen zu verbessern. Im Hinblick auf robotische Systeme werden diese Reasoning-Methoden verwendet, um die vom Nutzer eingegebenen Arbeitsschritte für einen Cobot so zu unterteilen, dass dieser sie Schritt-für-Schritt ausführen kann. Ziel ist hierbei stets die Ausführung dieser Algorithmen on-premise – an dieser Stelle setzen Sie mit Ihrer dreijährigen Promotion an.

Zunächst befassen Sie sich durch Recherchen umfassend mit dem Forschungsstand und erarbeiten die theoretischen Grundlagen des Reasonings bei generativen KI-Methoden. Sie entwerfen und implementieren fortschrittliche Trainings- und Feinabstimmungsmethoden (Reinforcement Learning from Human Feedback, Reinforcement Finetuning, Mixture-of-Experts usw.), um die Reasoning-Fähigkeiten von LLMs zu verbessern. Basierend auf existierenden Bibliotheken und Frameworks (Multimodal: Flamingo / MERLOT / ALPRO / Pipelines zum Reasoning in HuggingFace Transformers) etablieren Sie eine Test- und Evaluierungsumgebung für gängige Reasoning-Verfahren. Anhand konkreter Szenarien in der Haushaltsrobotik entwickeln, implementieren und evaluieren Sie neue Methoden im Bereich des Reasonings für Robotik-Anwendungen (Chain-of-Thought (CoT) & Reasoning-Guided-Generation).

Die Ergebnisse Ihrer experimentellen Arbeiten veröffentlichen Sie als wissenschaftliche Publikationen und präsentieren sie auf internationalen Konferenzen sowie in den Projektmeetings mit den externen Partnern. In enger Kooperation mit unseren Expert*innen setzen Sie die Methoden in einem generativen KI-Framework um, welches bei Industriekunden eingesetzt werden kann. Darüber hinaus betreuen Sie studentische und wissenschaftliche Hilfskräfte sowie Bachelor- und Masterarbeiten.

Mindestqualifikation:

• Sehr gut abgeschlossenes Studium (M.Sc. oder Uni-Diplom) in Informatik, Mathematik, Physik, Elektrotechnik oder einem vergleichbaren technischen/naturwissenschaftlichen Studiengang
• Kenntnisse in der Programmiersprache Python und/oder C++ und mit einschlägigen Tools/Frameworks wie ROS, PyTorch, Tensorflow, Scikit-Learn o.ä.
• Kenntnisse im Umgang mit Bibliotheken zur Datenanalyse, wie z.B. Pandas oder Seaborn
• Eine systematische und eigenständige Arbeitsweise, gepaart mit Kreativität, Hands-on-Mentalität und Kommunikationssicherheit
• Sehr gute Deutsch- und Englischkenntnisse für die Zusammenarbeit mit unseren Projekt-Partner*innen und in einem internationalen Umfeld
• Erste praktische Erfahrungen mit Multimodalen Large Language Models (MLLMs)

Wünschenswerte Qualifikationen:

• Master- bzw. Diplomarbeit im Bereich von Multimodalen Large Language Models (MLLMs) und/oder reasoning-Modellen
• Erste Erfahrungen zum Thema Embedded-KI (Umgang mit Jetson Orin oder AGX)
• Idealerweise Erfahrungen im Umgang mit HPC-Clustern

Sie arbeiten in einem neu ausgerichteten Team mit interdisziplinären Wissenschaftler*innen im Bereich Maschinelles Lernen und generative KI an zukunftsweisenden Themen. Neben der Betreuung durch eine institutsinterne Fachperson findet ein regelmäßiger Austausch über den wissenschaftlichen Stand Ihrer Arbeit im Rahmen eines Doktormütter/-vätergremiums statt. Während der Promotionszeit werden Sie durch begleitende Angebote unterstützt. Sie lernen professionelle Methoden des Projektmanagements sicher anzuwenden und bei der Projektakquise zu unterstützen. Bei fristgerechter Einreichung der Dissertation gibt es die Option im Rahmen eines Anschlussvertrags die Forschungsarbeiten weiter zu vertiefen bzw. in andere Bereiche zu wechseln.

Die Vollzeitstelle als Doktorand*in mit halber Vergütung bietet 50 % der Zeit für Ihre Promotion sowie 50 % für die Mitarbeit in Forschungsprojekten als wissenschaftliche*r Mitarbeiter*in. Flexible Arbeitszeiten (Gleitzeit mit integrierter Kernarbeitszeit von 9:30–15:00 Uhr, Freitag von 9:30–13:00 Uhr) und mobiles Arbeiten an bis zu zwei Tagen pro Woche für eine bessere Vereinbarkeit von Beruf und Privatleben. Betriebliche Altersvorsorge (VBL) und Zuschuss zum Deutschland-Ticket Job. Sehr gute Verkehrsanbindung mit ÖPNV/Auto sowie kostenlose Parkplätze und abschließbare Fahrradstellplätze für Mitarbeitende. Unterstützungsangebote zur Vereinbarkeit von Familie und Beruf: Mit-Kind-Büro, Kindernotbetreuung und Beratungsleistungen zu Homecare-Eldercare etc. in Kooperation mit dem pme Familienservice. Corporate Benefits: Vergünstigte Angebote namhafter Hersteller und Marken.