Wissenschaftliche Mitarbeiterin / Wissenschaftlicher Mitarbeiter (m/w/d), Fakultät für Angewandte Informatik

Stellenangebote

Wissenschaftliche Mitarbeiterin / Wissenschaftlicher Mitarbeiter (m/w/d), Fakultät für Angewandte Informatik

An der Fakultät für Angewandte Informatik am Lehrstuhl für Maschinelles Lernen und Sehen (Prof. Dr. Rainer Lienhart) ist zum nächstmöglichen Zeitpunkt eine Stelle für eine/einen

wissenschaftliche Mitarbeiterin / wissenschaftlichen Mitarbeiter (m/w/d)

im Umfang der regelmäßigen Arbeitszeit in einem zunächst auf ein Jahr befristeten Beschäftigungsverhältnis zu besetzen. Eine befristete Weiterbeschäftigung im Rahmen der wissenschaftlichen Weiterqualifikation (Promotion) wird bei Vorliegen der Voraussetzungen in Aussicht gestellt. Die Vergütung erfolgt bei Vorliegen der persönlichen und tariflichen Voraussetzungen nach Entgeltgruppe 13 TV-L. Die Stelle ist teilzeitfähig, sofern durch Jobsharing die ganztägige Wahrnehmung der Aufgaben gesichert ist.

Unser Forschungsschwerpunkt ist das maschinelle Lernen und Sehen in all seinen Aspekten.

Ihre Aufgaben:

• wissenschaftliche Arbeit und Forschung auf dem Gebiet des maschinellen Lernens und Sehens
• publizieren und Präsentieren von Forschungsergebnissen
• Mitwirkung an Drittmittelanträgen
• Lehre (aktuell 5 LVS) wie Vorbereitung und Durchführung von vorlesungsbegleitenden Übungen, Praktika und Seminare
• Betreuung von Abschlussarbeiten im Bachelor- und Masterstudium
• Mitarbeit in der regulären Lehrstuhlorganisation
• Zielgerichtete eigene Qualifikation mit dem Ziel der Promotion

Wir erwarten von Ihnen:

• einen überdurchschnittlichen Hochschulabschluss (Master oder vergleichbar) in Informatik, Elektrotechnik, Mathematik, Physik, Data Science oder verwandten Gebieten
• Begeisterung für einen der Forschungsschwerpunkte des Lehrstuhls (z.B. Computer Vision, 3D Vision, Maschine Learning, Physics-informed Networks, 3D Human Pose and Mesh Estimation, Spatio-Temporal Prediction) sowie Freude und Ausdauer, auf diesen forschen zu wollen
• idealerweise Erfahrungen aus dem Studium in den Bereichen der maschinellen Wahrnehmung (engl. Computer Vision) und des maschinellen Lernens (engl. Machine Learning)
• gute Programmierkenntnisse in einer gängigen Hochsprache (z.B. Python)
• idealerweise praktische Erfahrungen in Werkzeugen des maschinellen Lernens wie z.B. PyTorch, JAX, TensorFlow oder Sci-Kit Learn
• ein hohes Maß an Selbstorganisation und Eigeninitiative
• gute Deutsch- und Englischkenntnisse
• eine aktive Unterstützung unseres Lehrangebots
• gute Kommunikations- und Teamfähigkeiten

Die erforderliche Qualifikation ist bereits in den Bewerbungsunterlagen durch entsprechende Zeugnisse nachzuweisen.

Wir bieten:

• eine abwechslungsreiche und anspruchsvolle wissenschaftliche Tätigkeit auf dem spannenden Gebiet der KI
• die Integration in ein Team in einem sehr gut ausgestatteten Arbeitsumfeld
• eine sorgfältige Einarbeitung und aktive Unterstützung bei eigenen Forschungsvorhaben
• die Mitwirkung an aktuellen Fragestellungen des maschinellen Lernens und Sehens und
• die Möglichkeit zur Teilnahme an Kursen, Workshops und Konferenzen zur eigenen kontinuierlichen Weiterbildung und Vernetzung in der Wissenschaft

Die Universität Augsburg fördert die berufliche Gleichstellung von Frauen. Frauen werden ausdrücklich aufgefordert, sich zu bewerben. Die Universität Augsburg setzt sich besonders für die Vereinbarkeit von Familie und Erwerbsleben ein. Für mehr Informationen wenden Sie sich bitte an die Beauftragte für die Gleichstellung von Frauen in Wissenschaft und Kunst der Fakultät. Schwerbehinderte Bewerberinnen und Bewerber (m/w/d) werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt.

Sollten Sie erst in einigen Monaten Ihr Studium beendet haben, können Sie sich gern auch mehrere Monate vor Ihrem Abschluss bewerben. Bitte geben Sie dann das voraussichtliche Datum Ihres Abschlusses an.

Bewerbe Sie sich mir Ihrem Lebenslauf sowie einem aktuellen Notenauszug Ihrer Studienleistungen in einem einzigen PDF-Dokument per E-Mail bis spätestens

31. März 2026

an Prof. Dr. Rainer Lienhart ( Rainer.Lienhartuni-a.de ).