An der Universität Wien arbeiten rund 11.000 Persönlichkeiten gemeinsam an den großen Fragen der Zukunft. Davon sind rund 7.700 in der Wissenschaft und Lehre beschäftigt, weitere 3.000 in der Administration und Organisation.
Zur Verstärkung unseres Teams suchen wir eine*n wissenschaftliche*n Mitarbeiter*in zur Entwicklung fortschrittlicher Methoden des maschinellen Lernens und der künstlichen Intelligenz.
39 Fakultät für Informatik
Besetzung ab: 01.10.2026 | Stundenausmaß: 30,00 | Einstufung KV: §48 VwGr. B1 Grundstufe (praedoc)
Befristung bis: 30.09.2030
Stellen ID: 5376
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.
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. Sebastian Tschiatschek entwickelt grundlegende Methoden des maschinellen Lernens und der künstlichen Intelligenz. Wir konzentrieren uns insbesondere auf die Bereiche des Reinforcement Learnings, des interaktiven Lernens und probabilistischer Modelle.
Obwohl mittels Reinforcement Learning (RL) bemerkenswerte Erfolge erzielt wurden, stößt es bei der Anwendung in komplexen, unbegrenzten oder unvollständig definierten Umgebungen nach wie vor an seine Grenzen. Zwei der kritischsten Herausforderungen diesbezüglich sind die Ineffizienz der Datennutzung (Sample Inefficiency), oft verursacht durch den Mangel an strukturierter Exploration, und das Problem des „Reward Engineerings“, bei dem der Entwurf einer expliziten skalaren Belohnungsfunktion, die das gewünschte Verhalten exakt abbildet, schwierig oder unmöglich ist.
Darüber hinaus gewinnen mit dem Einsatz von KI-Systemen in komplexeren Umgebungen die Herausforderungen des AI Alignments (die Sicherstellung, dass sich Systeme im Einklang mit menschlichen Präferenzen verhalten) und des Constrained Learnings (das Einhalten strikter sicherheitsrelevanter, rechtlicher oder physischer Grenzen) zunehmend an Bedeutung.
Diese Position widmet sich diesen zentralen Herausforderungen, indem sie die Grenzen des Inverse Reinforcement Learnings (IRL), der Exploration und der sicheren/ausgerichteten (safe/aligned) KI erweitert.
Sie beteiligen sich aktiv an Forschung, Lehre & Administration, das bedeutet:
Sie wirken in wissenschaftlichen Forschungsprojekten im oben beschrieben Bereich mit
- .
Sie verfassen wissenschaftliche Artikel zu ihrer Forschung und bringen diese zur Publikation- .
Sie nehmen an wissenschaftlichen Konferenzen zur Präsentation Ihrer Forschung teil- .
Wir erwarten, dass Sie Ihre Dissertationsvereinbarung binnen 12 Monaten abschließen- .
Sie arbeiten an Ihrer Dissertation und deren Fertigstellung- .
Sie tragen selbstständig zu Lehrveranstaltungen im Ausmaß der kollektivvertraglichen Bestimmungen bei- .
Sie unterstützen die Betreuung von Studierendenprojekten und Studierendenarbeiten- .
Sie übernehmen administrative Tätigkeiten in Forschung, Lehre und Verwaltung, und wirken bei der Organisation von Tagungen, Konferenzen und Symposien mit- .
Abgeschlossenes Master-/Diplom-Studium der Fachrichtung Informatik, Data Science, Mathematik, Kommunikationstechnik oder eines verwandten Fachs (Bewerbungen von Kandidat*innen, die kurz vor dem Abschluss stehen, sind möglich; eine Anstellung kann erst mit abgeschlossenem Master-/Diplomabschluss erfolgen.
- )
Ausgezeichnete Englischkenntnisse.
Hervorragende schriftliche und mündliche Kommunikationsfähigkeite- n
Ausgeprägte Fähigkeit zur Zusammenarbeit in Forschungsteam- s
Ausdauer und Fähigkeit, Projekte zuverlässig abzuschließe- n
Hohe Motivation und Engagement für wissenschaftliche Exzellen- z
Reisebereitschaft, einschließlich der Teilnahme an nationalen und internationalen Konferenze- n
Fundierte Kenntnisse in maschinellem Lernen bzw. künstlicher Intelligenz (insbesondere in den Bereichen Bandits und Reinforcement Learning- )
Gute Programmierkenntnisse, vorzugsweise in Pytho- n
Erfahrung mit Deep-Learning-Frameworks wie Jax, PyTorch oder TensorFlo- w
Ausgezeichnete analytische Fähigkeiten und hohes Interesse am tiefgründigen Verständnis von Algorithmen und Methode- n
Kooperationsfreudiges, teamorientiertes und proaktives Verhalten
Wünschenswerte Qualifikationen:
Erfahrung mit den Forschungsmethoden im Bereich des maschinellen Lernens und der künstlichen Intelligenz, sowie dem wissenschaftlichen Schreibe
- n
Hervorragende akademische Leistungen, idealerweise mit ersten Forschungsergebnissen im Bereich der Ausschreibung, dokumentiert durch Veröffentlichungen oder Manuskripte in Vorbereitun- g
Erfahrungen in der universitären Lehr- e
Auslandserfahrun- g
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. Wählen Sie aus einem kostenfreien Angebot von über 600 Workshops pro Jahr.
Faires Gehalt: Das Grundgehalt von EUR 3.776,10 (auf Basis Vollzeit) erhöht sich, wenn wir Berufserfahrungen anrechnen können.
Vertragsdauer: 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.
Wissenschaftlicher Lebenslau
- f
Motivationsschreiben einschließlich Ideen für ein mögliches Promotionsprojekt (und der Beschreibung der Lehrerfahrungen, wenn vorhanden)
Abstract der Masterarbei- t
Bescheid über abgeschlossenes Master-/Diplom-Studiu- m
Zeugnisse inklusive Notenübersicht (transcript of records- )
Publikationsliste, Nachweise über Lehrerfahrung (falls vorhanden)
Sebastian Tschiatschek
[email protected]
Wir 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.
Datenschutzerklärung
Bewerbungsfrist: 16.06.2026
