Wissenschaftliche Mitarbeitende (m/w/d) für Embedded Foundation Models & Neuromorphic Edge AI

Umfeld

Du möchtest nicht nur mit bestehenden KI-Modellen arbeiten, sondern erforschen, wie zukünftige Foundation Models effizient auf ressourcenbeschränkten Edge-Systemen ausgeführt werden können? Du interessierst dich für moderne Deep-Learning-Architekturen und möchtest neue Ansätze an der Schnittstelle von Foundation Models, neuromorpher KI und Embedded Computing entwickeln?

Im Bereich Embedded Systems and Sensors Engineering am FZI arbeitest du an neuen KI-Architekturen für industrielle Edge-Systeme und erforschst, wie große vortrainierte Modelle hinsichtlich Rechenaufwand, Speicherbedarf, Latenz und Energieeffizienz optimiert werden können. Dabei untersuchst du sowohl klassische als auch neuromorphe und hybride Modellarchitekturen und entwickelst diese im Hardware-Software-Co-Design für zukünftige KI-Prozessoren weiter.

Deine Forschung findet im Rahmen nationaler und internationaler Forschungsprojekte gemeinsam mit führenden Industrie- und Forschungspartnern statt. Die Stelle bietet dir die Möglichkeit, ein eigenes wissenschaftliches Forschungsprofil aufzubauen und am Karlsruher Institut für Technologie (KIT) zu promovieren. In diesem Umfeld ergeben sich vielfältige Fragestellungen, denen du dich als Doktorand bei Prof. Dr.-Ing. Dr. h. c. Jürgen Becker sofort widmen kannst.

Aufgaben

• Du bearbeitest Forschungs- und Entwicklungsaufträge sowie öffentlich geförderte Forschungsprojekte.

• Du erforschst und entwickelst ressourceneffiziente Time Series Foundation Models (TSFM) für die lokale Ausführung auf Embedded- und Edge-Systemen.

• Du analysierst aktuelle Foundation-Model-Architekturen und untersuchst, wie sich deren Modellgröße, Speicherbedarf, Rechenaufwand, Latenz und Energiebedarf reduzieren lassen.

• Du entwickelst und evaluierst klassische, neuromorphe und hybride Modellarchitekturen, beispielsweise auf Basis von Transformern und Spiking Neural Networks.

• Du untersuchst Verfahren wie Quantisierung, Pruning, Knowledge Distillation und Hardware-aware Training, um Modelle gezielt an die Eigenschaften zukünftiger Edge-AI-Hardware anzupassen.

• Du arbeitest gemeinsam mit unseren Forschenden aus den Bereichen Prozessorarchitektur und Hardwareentwicklung Hardware-Software-Co-Design und untersuchst, welche Modell- und Hardwarearchitekturen für unterschiedliche KI-Workloads besonders effizient sind.

• Du implementierst und evaluierst deine Ansätze mit modernen ML-Frameworks wie PyTorch und bringst sie auf Embedded- und Edge-Plattformen sowie neu entwickelte KI-Hardware.

• Du entwickelst deine Forschung anhand realer industrieller Daten und Anwendungen weiter und vergleichst deine Ansätze hinsichtlich Modellgüte, Generalisierbarkeit, Latenz und Energieeffizienz.

• Du veröffentlichst deine wissenschaftlichen Ergebnisse auf internationalen Konferenzen und in Fachzeitschriften und entwickelst daraus ein Promotionsthema am KIT.

• Du arbeitest eng mit Industrieunternehmen, Universitäten und weiteren Forschungspartnern in nationalen und europäischen Forschungsprojekten zusammen.

Voraussetzungen

• Du hast ein sehr gut abgeschlossenes Masterstudium in der Fachrichtung Informatik, Künstlicher Intelligenz, Elektrotechnik, Informationstechnik, Technischer Informatik, Computer Engineering oder einem verwandten Studiengang.

• Du besitzt fundierte Kenntnisse in Machine Learning und Deep Learning und hast bereits praktische Erfahrung mit neuronalen Netzen gesammelt.

• Du programmierst sicher in Python und hast idealerweise bereits mit Deep-Learning-Frameworks gearbeitet.

• Du möchtest verstehen, wie moderne KI-Modelle intern funktionieren und wie sich ihre Architektur für unterschiedliche Hardware- und Ressourcenanforderungen optimieren lässt.

• Du hast Freude an wissenschaftlicher Arbeit und möchtest im Rahmen deiner Tätigkeit promovieren.

• Du arbeitest selbstständig und strukturiert, bringst eigene Ideen ein und hast Interesse daran, gemeinsam mit Forschenden aus unterschiedlichen Disziplinen neue Ansätze zu entwickeln.

• Du kannst dich sicher auf Englisch verständigen. Gute Deutschkenntnisse sind von Vorteil für die Zusammenarbeit mit unseren Industriepartnern, aber bei einem fachlich sehr starken Profil keine zwingende Voraussetzung.

Du bringst idealerweise zusätzlich Erfahrung in einem oder mehreren der folgenden Bereiche mit:

• Transformer und Foundation Models

• Time-Series Machine Learning oder Time Series Foundation Models

• Model Compression, Quantisierung, Pruning oder Knowledge Distillation

• Efficient AI oder Edge AI

• Spiking Neural Networks oder Neuromorphic Computing

• Hardware-aware Machine Learning

• Embedded AI und Deployment neuronaler Netze

• C/C++, Embedded Linux oder hardwarenaher Softwareentwicklung

• AI Accelerators 

Bewerbung

Haben wir Dein Interesse geweckt? Dann bewirb Dich bei uns.
Wir freuen uns darauf, Dich kennenzulernen!

Bei Fragen wende dich bitte mit deinen Unterlagen per E-Mail bei Dr.-Ing. Victor Pazmino Betancourt (pazmino∂fzi.de)