Fachbereich Informatik

Zwei W3-Professuren für Maschinelles Lernen


Die Technische Universität Kaiserslautern (TUK) ist eine technisch-naturwissenschaftlich ausgerichtete Forschungsuniversität mit internationaler Sichtbarkeit. Sie bildet das Zentrum des aufstrebenden IT-Standorts im Herzen der Pfalz, der sich mit Schwerpunkten in Softwaretechnologien und Künstlicher Intelligenz, insbesondere im Bereich des Maschinellen Lernens, zukunftweisend positioniert.


A strong network and driving force in the field of AI


Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI), 1988 aus der TUK heraus gegründet und seitdem dort vertreten, ist führend in der Erforschung und Anwendung von Künstlicher Intelligenz. Weitere Kooperationspartner sind das benachbarte Fraunhofer-Institut für Techno- und Wirtschaftsmathematik (ITWM), das Fraunhofer-Institut für Experimentelles Software Engineering (IESE) und das Max-Planck-Institut für Software Systeme (MPI-SWS) sowie innovative Unternehmen – am Standort, wie auch national und international. Die TUK bildet zusammen mit den Forschungsinstituten eine Campus-Universität mit kurzen Wegen und einem partnerschaftlichen Miteinander.


Die TUK bildet zusammen mit den Forschungsinstituten einen KI-Campus mit kurzen Wegen und einem partnerschaftlichen Miteinander.


Als ein zentraler Bestandteil der KI-Strategie des Landes Rheinland-Pfalz sind an der TUK im Fachbereich Informatik zum nächstmöglichen Zeitpunkt die folgenden zwei Professuren zu besetzen

W3-Professur “Anwendungen des Maschinellen Lernens” (m/w/d)

W3-Professur “Methodische Grundlagen des Maschinellen Lernens“ (m/w/d)

Wir suchen international sichtbare Kandidatinnen und Kandidaten mit Forschungsschwerpunkt im Bereich des Maschinellen Lernens (ML). Die Professur (W3) “Anwendungen des Maschinellen Lernens” wird mit einer Leitungsposition als wissenschaftlicher Direktor am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern verbunden. Die Professur “Methodische Grundlagen des Maschinellen Lernens“ ist primär am Fachbereich verankert. Eine Zusammenarbeit mit Forschenden an der TUK und den angegliederten Instituten ist jedoch möglich und wird auch erwartet.


Für beide Professuren forschen Sie zu einem oder mehreren der folgenden Themen von ML und Deep Learning: Erklärbarkeit und Interpretierbarkeit, Datenfusion, Vertrauenswürdigkeit, Anomalieerkennung, Fairness, Extreme Classification, stochastische Optimierung, Lerntheorie, Generative Modelling, Representation Learning, Bayesian ML oder Reinforcement Learning. Bezüglich Anwendungen in ML und Deep Learning interessieren wir uns beispielsweise für folgende Themen: Lebenswissenschaften, Finanzdienstleistungen, Klimawandel und Nachhaltigkeit, Sozialwissenschaft sowie oder Maschinenbau und Verfahrenstechnik.


Ihre herausragende akademische Qualifikation belegen Sie durch eine nachgewiesene Anzahl qualitativ hochstehender Publikationen in renommierten Zeitschriften und Konferenzen des Maschinellen Lernens (z.B. NeurIPS, ICML, ICLR, AAAI, COLT, ECML, ACML, JMLR, TPAMI, MLJ, TNNLLS, CVPR, ECCV, etc.) oder in vergleichbaren anwendungsspezifischen Organen, Erfahrung in der Drittmitteleinwerbung und der Durchführung von Projekten, Dokumentation Ihrer Lehrkompetenz und ausgezeichnete Englischkenntnisse.


Ihre Aufgaben:

Sie repräsentieren ihr Fachgebiet in Lehre und Forschung, bauen eine eigenständige Forschungsgruppe auf, beteiligen sich an der Lehre des Fachbereichs auf Bachelor- und Master-Niveau (Lehrveranstaltungen in den Masterstudiengängen werden in englischer Sprache angeboten), betreuen Promovierende und wirken in der universitären Selbstverwaltung mit. Es wird von Ihnen erwartet, dass Sie mit bestehenden Forschungsgruppen an der TUK (disziplinär oder interdisziplinär) zusammenarbeiten und die Forschung des Fachbereichs in mindestens einem seiner wesentlichen Forschungsbereiche unterstützen.


Einstellungsvoraussetzungen:

Neben den allgemeinen dienstrechtlichen Voraussetzungen gelten die in § 49 des Hochschulgesetzes Rheinland-Pfalz geregelten Einstellungsvoraussetzungen. Der Text ist auf der Homepage der TU Kaiserslautern hinterlegt ( https://www.uni-kl.de/intern/meine-tuk/hauptabteilung-1/rechtsvorschriften/). Das Land Rheinland-Pfalz und die Technische Universität Kaiserslautern vertreten ein Betreuungskonzept, bei dem eine hohe Präsenz der Lehrenden am Hochschulort erwartet wird. Die Bereitschaft zur Mitarbeit an der Verwaltung der Hochschule wird vorausgesetzt.


Ihre Bewerbung:

Bitte senden Sie Ihre Bewerbung bis zum 31.12.2020 in einer PDF-Datei an dekanat@cs.uni-kl.de. Alternativ können Sie einen Upload-Link anfordern oder Ihre Bewerbung auch in Papierform an folgende Adresse senden:


Dekanat des Fachbereichs Informatik
Technische Universität Kaiserslautern
Postfach 3049,
67653 Kaiserslautern


Bitte geben Sie im Anschreiben an, auf welche Professur(en) Sie sich bewerben. Folgende Informationen werden in deutscher oder englischer Sprache erbeten (Englisch wird bevorzugt): ausgefülltes Kandidatendatenblatt (https://cs.uni-kl.de/en/goto/w3-ml), Anschreiben, Lebenslauf (Ausbildung, Berufungen, Auszeichnungen etc.), Liste aller Publikationen und ausgewählter Vorträge, Liste von (ca. fünf) repräsentativen Publikationen (URL oder PDF-Datei im Anhang), Stipendien, Forschungsvorhaben, Liste Ihrer Lehrveranstaltungen und Lehrevaluationen (optional), Ausbildungen (falls zutreffend), Zeugnisse, Liste internationaler Zusammenarbeiten sowie Referenzen (oder deren Kontaktinformationen).


Mit Ihrer Bewerbung stimmen Sie der weiteren internen Verarbeitung Ihrer Daten zu dienstlichen Zwecken gemäß der Europäischen Datenschutz-Grundverordnung (DS-GVO) und des Landesdatenschutzgesetzes RLP zu.


Die TUK ist eine familienfreundliche Universität, sie schätzt die Vielfalt ihrer Mitglieder und ermöglicht Chancengleichheit für alle.


Die TU Kaiserslautern ermutigt qualifizierte Akademikerinnen nachdrücklich, sich zu bewerben. Bewerberinnen und Bewerber mit Kindern sind willkommen.


Schwerbehinderte werden bei entsprechender Eignung bevorzugt eingestellt (bitte Nachweis beifügen).


Weitere Informationen erteilen

Professur “Anwendungen des Maschinellen Lernens”:
Prof. Dr. Prof. h.c. Andreas Dengel (andreas.dengel@dfki.de).

Professur “Methodische Grundlagen des Maschinellen Lernens ”:
Prof. Dr. Marius Kloft (kloft@cs.uni-kl.de).