Wissenschaftliche:r Mitarbeiter:in (Postdoc/Postdoctoral Researcher) – AGI beyond LLMs (Fokus: [...]

Die Technische Informationsbibliothek (TIB), Programmbereich D, Open Research Knowledge Graph sucht für die Forschungsgruppe Artificial Intelligence for Scholarly Communication (Prof. Dr. Sahar Vahdati) zum nächstmöglichen Zeitpunkt eine:n Wissenschaftliche:n Mitarbeiter:in (Postdoc/ Postdoctoral Researcher) – AGI beyond LLMs (Fokus: ARC-AGI-3) (m/w/d). Die Stelle ist gemäß 14 Absatz 2 TzBfG zunächst auf zwei Jahre befristet. Eine Weiterbeschäftigung wird angestrebt. Die regelmäßige wöchentliche Arbeitszeit beträgt 39,8 Stunden (Vollzeit). Der Arbeitsplatz ist grundsätzlich teilzeitgeeignet. Die Eingruppierung erfolgt in die Entgeltgruppe 13 TV-L.

Ihre Aufgaben

• Mitarbeit an ARC-AGI-3-ausgerichteter Forschung in enger Zusammenarbeit mit Teammitgliedern, einschließlich der Entwicklung von Implementierungen sowie systematischer Evaluation von Methoden.
• Mitwirkung an der Entwicklung von Forschungsansätzen jenseits LLM-zentrierter Methoden sowie Umsetzung von Hypothesen in konkrete Modelle, Experimente und messbare Projektergebnisse innerhalb des Projektrahmens.
• Konzeption und Durchführung reproduzierbarer experimenteller Pipelines (u. a. Baselines, Ablationsstudien sowie Robustheits- und Out-of-Distribution-Tests), einschließlich des Einsatzes von spielbasierten oder spielähnlichen Umgebungen, sofern fachlich sinnvoll.
• Planung und Strukturierung der Forschungsaktivitäten, einschließlich der Definition von Meilensteinen, regelmäßiger Fortschrittsberichterstattung sowie iterativer Anpassung auf Basis empirischer Ergebnisse und fachlichen Feedbacks.
• Entwicklung, Dokumentation und Pflege reproduzierbarer Forschungscodes, einschließlich Versionierung, Automatisierung von Trainings- und Evaluationsläufen sowie Einsatz KI-gestützter Entwicklungswerkzeuge.
• Aufbereitung und Kommunikation von Forschungsergebnissen (z. B. Dokumentation, interne Präsentationen), Mitwirkung an wissenschaftlichen Publikationen sowie Vorbereitung offener Forschungsartefakte (z. B. Code- und Experimentkonfigurationen).

Ihr Profil

• Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder gleichwertig) in einem einschlägigen Studiengang wie Künstlicher Intelligenz, Maschinelles Lernen, Informatik, Mathematik, Physik oder einem fachlich eng verwandten Fachgebiet.
• Abgeschlossene Promotion (PhD) in einem der genannten oder einem fachlich eng verwandten Fachgebiet.
• Fundierte Kenntnisse im Bereich Maschinelles Lernen und Künstliche Intelligenz, einschließlich Interesse an alternativen Ansätzen jenseits standardisierter Deep-Learning-Methoden.
• Nachweisbare Erfahrung in wissenschaftlicher Forschung (z. B. durch Publikationen, Konferenzbeiträge oder vergleichbare wissenschaftliche Leistungen).
• Sehr gute Programmierkenntnisse in Python sowie Erfahrung in der Entwicklung und Dokumentation reproduzierbarer Forschungscodes (z. B. mit PyTorch oder vergleichbaren Frameworks).
• Praktische Erfahrung im Einsatz KI-gestützter Entwicklungs- und Codierungswerkzeuge (z. B. Code-Assistenten) zur Unterstützung von Entwicklungs-, Experimentier- und Forschungsprozessen.
• Fundierte mathematische Kenntnisse mit Relevanz für KI/ML (z. B. dynamische Systeme, Optimierung, Repräsentationslernen oder verwandte Gebiete; einschließlich, aber nicht beschränkt auf algebraische Topologie).
• Nachgewiesene Erfahrung in mindestens einem der folgenden interdisziplinären Forschungsbereiche: Künstliche Intelligenz und Psychologie / Kognitionswissenschaft (z. B. kognitionsinspirierte Modellierung, menschliches Lernen und Denken), oder verwandte interdisziplinäre Forschungsansätze mit Bezug zu KI.
• Sehr gute Englischkenntnisse in Wort und Schrift.

Wünschenswerte Qualifikationen

• Begutachtete wissenschaftliche Beiträge (z. B. Publikationen, zur Begutachtung eingereichte Preprints oder substanzielle Open-Source-Beiträge) im Bereich natur-, bio- oder kognitionsinspirierter KI (z. B. neuroinspirierte Lernverfahren, kognitive Architekturen, biologisch plausible Lernmethoden oder Selbstorganisation).
• Erfahrung mit Evaluationen in interaktiven Umgebungen (z. B. Spiele), Reinforcement Learning, Planung, Weltmodellen, kausaler Modellierung oder Methoden zur robusten Generalisierung.
• Ausgeprägte schriftliche Ausdrucksfähigkeit sowie Erfahrung in interdisziplinärer Zusammenarbeit, einschließlich Mitwirkung an wissenschaftlichen Publikationen.

Wir bieten

• Einen gemeinwohlorientierten Arbeitsplatz im öffentlichen Dienst auf der Grundlage des TV-L mit einer Vergütung nach der Entgeltgruppe 13 TV-L.
• Eine Sonderzahlung zum Jahresende sowie 30 Tage Urlaub im Jahr bei einer Fünf‑Tage‑Woche sowie zusätzliche freie Tage an Heiligabend (24.12.) und Silvester (31.12.).
• Einen flexiblen Arbeitsplatz in Zeit und Raum mit Angeboten zur Vereinbarkeit von Beruf und Familie wie u. a. mobiles Arbeiten und flexiblen Arbeitszeitmodellen (Gleitzeit).
• Einen modernen Arbeitsplatz in zentraler Lage von Hannover mit einem kollegialen, attraktiven und vielseitigen Arbeitsumfeld.
• Einen Arbeitgeber mit breit gefächertem Fort‑ und Weiterbildungsangebot, einer betrieblichen Gesundheitsförderung und Altersvorsorge für den öffentlichen Dienst (VBL).
• Beschäftigtenrabatt in den Mensen des Studentenwerks Hannover sowie Möglichkeit zur Nutzung der vielseitigen Angebote des Hochschulsports Hannover.
• Eigenverantwortliche und zukunftsorientierte Tätigkeiten, die Abwechslung bieten und Raum für persönliche Entwicklung lassen.

Interessent:innen können sich bei Frau Prof. Dr. Sahar Vahdati, Leitung der Forschungsgruppe AI for Scholarly Communication, per E‑Mail unter Sahar.Vahdati(at)tib.eu näher über das Arbeitsgebiet informieren. Wir freuen uns auf Ihre Bewerbung.