W2-Professur für KI-Infrastruktur

Wir suchen eine Wissenschaftlerin oder einen Wissenschaftler mit exzellenter theoretischer und praktischer Erfahrung im Bereich KI-Infrastruktur, um das Fachgebiet sowohl in der Forschung als auch in der Lehre zu vertreten.

Sie sind verantwortlich für den Aufbau einer national und international sichtbaren Forschungsgruppe, deren Schwerpunkte sowohl forschungs- als auch anwendungsrelevante Fragestellungen der KI‑Infrastruktur umfassen.

• Training und Inferenz auf verteilten Systemen;
• Entwicklung von cloud‑nativer Infrastruktur;
• KI‑Operationalisierungsverfahren (“MLOps”);
• Effiziente Datenspeicherung, -verwaltung und -anbindung;
• Latenz‑ oder ressourcen‑beschränkte KI‑Anwendungen;
• Hardware‑nahe Implementierungen auf Grafikprozessoren.

Sie wirken mit im Center for Artificial Intelligence (CAIRO), dem angewandten und internationalen Forschungskompetenzzentrum für starke künstliche Intelligenz der THWS. Sie arbeiten mit anderen CAIRO‑Mitgliedern an interdisziplinären KI‑Fragestellungen, die flexibel auf Anwendungsszenarien in verschiedenen Industriesektoren übertragbar sind. Denkbar sind beispielsweise Kollaborationen mit Partnern in der Automobilbranche, im Finanzwesen, im Klimabereich oder in den Naturwissenschaften.

Erforderlich ist die Bereitschaft und Fähigkeit zur Einwerbung von Drittmitteln, Leitung von Forschungsprojekten und Betreuung von Nachwuchsforschern. Die Fakultät legt großen Wert auf die Qualität der Lehre, sowohl fachlich als auch didaktisch. Lehrerfahrung in den spezifischen Themengebieten der Künstlichen Intelligenz ist wünschenswert, ebenso Freude an der Übernahme von grundständigen Vorlesungen der Fakultät in Grundlagenfächern.

Grundvoraussetzung für eine Berufung sind eine qualitativ hochwertige Promotion (keine Habilitation nötig), Forschungserfahrung sowie Berufspraxis.

Qualifikationen:

• Exzellente theoretische und praktische Erfahrung im Bereich KI‑Infrastruktur inkl. der Schwerpunkte:
• Training und Inferenz auf verteilten Systemen;
• Entwicklung von cloud‑nativer Infrastruktur;
• KI‑Operationalisierungsverfahren (“MLOps”);
• Effiziente Datenspeicherung, -verwaltung und -anbindung;
• Latenz‑ oder ressourcen‑beschränkte KI‑Anwendungen;
• Hardware‑nahe Implementierungen auf Grafikprozessoren.

Fähigkeit zu Drittmittelakquise, Steuerung von Forschungsprojekten und Betreuung von Nachwuchsforschern. Qualifikationen in Lehre und didaktischer Umsetzung von KI-Fachs, Bereitschaft zu grundstufigen Vorlesungen und Kursentwicklung im Bereich künstliche Intelligenz.