Ihr persönlicher Spielraum:Die Arbeitsgruppe "Probabilistic and Interactive Machine Learning" innerhalb der Forschungsgruppe "Data Mining and Machine Learning" an der Fakultät für Informatik unter der Leitung von Prof. Tschiatschek entwickelt Methoden des maschinellen Lernens und der künstlichen Intelligenz, insbesondere in den Bereichen Reinforcement Learning und Deep Probabilistic Models.Zur Verstärkung unseres Teams suchen wir eine*n wissenschaftliche*n Mitarbeiter*in zur Entwicklung fortschrittlicher Methoden des maschinellen Lernens zur Verbesserung der Simulation und Optimierung verteilter Systeme, beispielsweise durch die Spezialisierung neuronaler ODEs und ihrer Trainingsroutinen.Diese Forschung befasst sich mit Herausforderungen, die durch die Energiewende entstehen, insbesondere der Wandlung elektrischer Energiesysteme (EPS) hin zu Systemen mit einer Vielzahl von digitalisierten und leistungselektroniktgetriebenen Komponenten und einer daraus resultierenden starken Koppelung von System- und Komponentendynamiken. Traditionelle Simulations- und Optimierungsansätze, die die EPS-Analyse und -Simulation nach Zeitskalen in isolierte Bereiche mit unabhängigen Modellen und Solvern unterteilen, reichen nicht mehr aus.Es werden neue Methoden benötigt, um die sich abzeichnenden Herausforderungen über Zeitskalen hinweg zu bewältigen, von der Echtzeit-Betriebssteuerung bis hin zur langfristigen Planung für Optimierung und Erweiterung. Dies schafft einen Bedarf an schnellen, flexiblen Modellierungsframeworks, wie z.B. Surrogatmodellen zur Beschleunigung von hoch präzisen Simulationen, Physikinformierten neuronalen Netzen (PINNs), neuronalen ODEs und anderen hybriden Physik-ML-Ansätzen.Die Vertragsdauer bei Anstellung beträgt 4 Jahre. Zunächst befristet auf 1,5 Jahre wird das Dienstverhältnis automatisch auf 4 Jahre verlängert, wenn der Arbeitgeber nicht innerhalb der ersten 12 Monate eine Nichtverlängerungserklärung abgibt.Das machen Sie konkret:Sie werden aktiv in Forschung, Lehre und Verwaltung eingebunden sein, das bedeutet Folgendes:Teilnahme an Forschungsprojekten / wissenschaftlichen Studien, Teilnahme an Publikationen / wissenschaftlichen Artikeln / LehrtätigkeitenTeilnahme an Konferenzen und Veröffentlichung Ihrer Forschungsergebnisse in Fachzeitschriften und auf KonferenzenAbschluss einer Dissertationsvereinbarung innerhalb von 12 Monaten (sofern noch nicht vorhanden)Teilnahme an und eigenständige Durchführung von Lehrveranstaltungen gemäß den Bestimmungen des TarifvertragsBetreuung von StudierendenMitwirkung bei der Organisation von Tagungen, Konferenzen, SymposienMitwirkung in der Verwaltung des Instituts, in Lehre und Forschung
Anforderungen:Abgeschlossenes Masterstudium (oder vergleichbarer Abschluss) in Informatik, Data Science, Physik oder ElektrotechnikAusgeprägte analytische FähigkeitenAusgezeichnete schriftliche und mündliche KommunikationsfähigkeitenSehr gute Englischkenntnisse in Wort und SchriftIT-KenntnisseKooperationsfreudiges, teamorientiertes und proaktives VerhaltenAusgezeichnete Kenntnisse in den Bereichen maschinelles Lernen (for Sciences), einschließlich neuronaler ODEs, Physikinformierter neuronaler Netze, Bayes'schen Lernens sowie Systemmodellierung und -simulationHervorragende akademische Leistungen mit ersten Forschungsergebnissen im relevanten Bereich, dokumentiert durch Veröffentlichungen oder Manuskripte in VorbereitungAusgeprägte schriftliche und mündliche KommunikationsfähigkeitenFolgende Eigenschaften sind ebenfalls wünschenswert:LehrerfahrungKenntnisse über universitäre Prozesse und Strukturen
Was wir bieten:Work-Life-Balance: Sie haben flexible Arbeitszeiten und können auch teilweise remote arbeiten.Inspirierendes Arbeitsklima: Sie sind Teil eines internationalen Teams mit hervorragender Forschungsinfrastruktur in einer lockeren Arbeitsumgebung.Gute öffentliche Anbindung: Ihr neuer Arbeitsplatz ist mit öffentlichen Verkehrsmitteln bequem erreichbar.Interne Weiterbildung und Coaching: Wir bieten Ihnen laufend die Möglichkeit, Ihre Kompetenzen zu erweitern und zu vertiefen.Faires Gehalt: Das Grundgehalt von EUR 3.714,80 (auf Basis Vollzeit) erhöht sich, wenn wir Berufserfahrungen anrechnen können.Gleiche Chancen für alle: Wir freuen uns über jede zusätzliche Persönlichkeit im Team!
So einfach bewerben Sie sich:Cover Letter / Motivationsschreiben; stellen Sie inbesondere Ihre Eignung und Vorkenntnisse bezüglich der Ausschreibung knapp dar (max. 2 Seiten)Wissenschaftlicher Lebenslauf / Letter of intent (inkl. einer DarstellungIhrer Lehrerfahrung, falls vorhanden)PublikationslisteNachweis Lehrerfahrung (falls vorhanden)AbschlusszeugnisseBewerbung über unser Jobportal / Jetzt Bewerben - ButtonBei inhaltlichen Fragen kontaktieren Sie bitte:Sebastian Tschiatschek sebastian.tschiatschek@univie.ac.atWir freuen uns über neue Persönlichkeiten in unserem Team! Die Universität Wien betreibt eine antidiskriminatorische Anstellungspolitik und legt Wert auf Chancengleichheit, Frauenförderung und Diversität. Wir streben eine Erhöhung des Frauenanteils beim wissenschaftlichen und allgemeinen Universitätspersonal insbesondere in Leitungsfunktionen an und fordern daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Bei gleicher Qualifikation werden Frauen vorrangig aufgenommen. Universität Wien. Raum für Persönlichkeiten. Seit 1365.DatenschutzerklärungBewerbungsfrist: 08.12.2025
Prae Doc

Jetzt bewerben

Ihr persönlicher Spielraum:Die Arbeitsgruppe "Probabilistic and Interactive Machine Learning" innerhalb der Forschungsgruppe "Data Mining and Machine Learning" an der Fakultät für Informatik unter der Leitung von Prof. Tschiatschek entwickelt Methoden des maschinellen Lernens und der künstlichen Intelligenz, insbesondere in den Bereichen Reinforcement Learning und Deep Probabilistic Models.Zur Verstärkung unseres Teams suchen wir eine*n wissenschaftliche*n Mitarbeiter*in zur Entwicklung fortschrittlicher Methoden des maschinellen Lernens zur Verbesserung der Simulation und Optimierung verteilter Systeme, beispielsweise durch die Spezialisierung neuronaler ODEs und ihrer Trainingsroutinen.Diese Forschung befasst sich mit Herausforderungen, die durch die Energiewende entstehen, insbesondere der Wandlung elektrischer Energiesysteme (EPS) hin zu Systemen mit einer Vielzahl von digitalisierten und leistungselektroniktgetriebenen Komponenten und einer daraus resultierenden starken Koppelung von System- und Komponentendynamiken. Traditionelle Simulations- und Optimierungsansätze, die die EPS-Analyse und -Simulation nach Zeitskalen in isolierte Bereiche mit unabhängigen Modellen und Solvern unterteilen, reichen nicht mehr aus.Es werden neue Methoden benötigt, um die sich abzeichnenden Herausforderungen über Zeitskalen hinweg zu bewältigen, von der Echtzeit-Betriebssteuerung bis hin zur langfristigen Planung für Optimierung und Erweiterung. Dies schafft einen Bedarf an schnellen, flexiblen Modellierungsframeworks, wie z.B. Surrogatmodellen zur Beschleunigung von hoch präzisen Simulationen, Physikinformierten neuronalen Netzen (PINNs), neuronalen ODEs und anderen hybriden Physik-ML-Ansätzen.Die Vertragsdauer bei Anstellung beträgt 4 Jahre. Zunächst befristet auf 1,5 Jahre wird das Dienstverhältnis automatisch auf 4 Jahre verlängert, wenn der Arbeitgeber nicht innerhalb der ersten 12 Monate eine Nichtverlängerungserklärung abgibt.Das machen Sie konkret:Sie werden aktiv in Forschung, Lehre und Verwaltung eingebunden sein, das bedeutet Folgendes:Teilnahme an Forschungsprojekten / wissenschaftlichen Studien, Teilnahme an Publikationen / wissenschaftlichen Artikeln / LehrtätigkeitenTeilnahme an Konferenzen und Veröffentlichung Ihrer Forschungsergebnisse in Fachzeitschriften und auf KonferenzenAbschluss einer Dissertationsvereinbarung innerhalb von 12 Monaten (sofern noch nicht vorhanden)Teilnahme an und eigenständige Durchführung von Lehrveranstaltungen gemäß den Bestimmungen des TarifvertragsBetreuung von StudierendenMitwirkung bei der Organisation von Tagungen, Konferenzen, SymposienMitwirkung in der Verwaltung des Instituts, in Lehre und Forschung
Anforderungen:Abgeschlossenes Masterstudium (oder vergleichbarer Abschluss) in Informatik, Data Science, Physik oder ElektrotechnikAusgeprägte analytische FähigkeitenAusgezeichnete schriftliche und mündliche KommunikationsfähigkeitenSehr gute Englischkenntnisse in Wort und SchriftIT-KenntnisseKooperationsfreudiges, teamorientiertes und proaktives VerhaltenAusgezeichnete Kenntnisse in den Bereichen maschinelles Lernen (for Sciences), einschließlich neuronaler ODEs, Physikinformierter neuronaler Netze, Bayes'schen Lernens sowie Systemmodellierung und -simulationHervorragende akademische Leistungen mit ersten Forschungsergebnissen im relevanten Bereich, dokumentiert durch Veröffentlichungen oder Manuskripte in VorbereitungAusgeprägte schriftliche und mündliche KommunikationsfähigkeitenFolgende Eigenschaften sind ebenfalls wünschenswert:LehrerfahrungKenntnisse über universitäre Prozesse und Strukturen
Was wir bieten:Work-Life-Balance: Sie haben flexible Arbeitszeiten und können auch teilweise remote arbeiten.Inspirierendes Arbeitsklima: Sie sind Teil eines internationalen Teams mit hervorragender Forschungsinfrastruktur in einer lockeren Arbeitsumgebung.Gute öffentliche Anbindung: Ihr neuer Arbeitsplatz ist mit öffentlichen Verkehrsmitteln bequem erreichbar.Interne Weiterbildung und Coaching: Wir bieten Ihnen laufend die Möglichkeit, Ihre Kompetenzen zu erweitern und zu vertiefen.Faires Gehalt: Das Grundgehalt von EUR 3.714,80 (auf Basis Vollzeit) erhöht sich, wenn wir Berufserfahrungen anrechnen können.Gleiche Chancen für alle: Wir freuen uns über jede zusätzliche Persönlichkeit im Team!
So einfach bewerben Sie sich:Cover Letter / Motivationsschreiben; stellen Sie inbesondere Ihre Eignung und Vorkenntnisse bezüglich der Ausschreibung knapp dar (max. 2 Seiten)Wissenschaftlicher Lebenslauf / Letter of intent (inkl. einer DarstellungIhrer Lehrerfahrung, falls vorhanden)PublikationslisteNachweis Lehrerfahrung (falls vorhanden)AbschlusszeugnisseBewerbung über unser Jobportal / Jetzt Bewerben - ButtonBei inhaltlichen Fragen kontaktieren Sie bitte:Sebastian Tschiatschek sebastian.tschiatschek@univie.ac.atWir freuen uns über neue Persönlichkeiten in unserem Team! Die Universität Wien betreibt eine antidiskriminatorische Anstellungspolitik und legt Wert auf Chancengleichheit, Frauenförderung und Diversität. Wir streben eine Erhöhung des Frauenanteils beim wissenschaftlichen und allgemeinen Universitätspersonal insbesondere in Leitungsfunktionen an und fordern daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Bei gleicher Qualifikation werden Frauen vorrangig aufgenommen. Universität Wien. Raum für Persönlichkeiten. Seit 1365.DatenschutzerklärungBewerbungsfrist: 08.12.2025
Prae Doc

Jetzt bewerben