Requirements at a glance

Promotion Informatik (Required)
Perzeption und Computer Vision (Required)
Maschinelles Lernen (Required)
Drittmittelakquise (Required)
Python (Required)
KI-Tools (Required)
Deutsch B2 (Required)
Englisch B2 (Required)
Führerschein PKW (Required)
Projektmanagement (Preferred)
Betreuung Promovierende (Preferred)

RequiredPreferred

Today

Kurzinfo

Arbeitgeber: Universität Kassel
Ort: 34125 Kassel, Hessen
Vertragsdauer: befristet

# Wissenschaftliche:r Mitarbeiter:in (m/w/d), EG 14 TV-H, befristet, Vollzeit (derzeit 40 Wochenstunden)

Bewerbungsfrist:

20.11.2026

Einstellungsbeginn:

01.01.2027

Kennziffer:

39545

Die Stelle ist zunächst bis zum 31.12.2028 im Rahmen des Vorhabens „DyNaMo“ gemäß der Laufzeit befristet (Qualifikationsstelle gem. § 2 WissZeitVG). Eine Verlängerung der Beschäftigung ist geplant. Die Möglichkeit zur Habilitation ist gegeben.

Das Fachgebiet Intelligente Eingebettete Systeme (IES) forscht im Bereich der Grundlagen und der Anwendungen von Methoden der Datenanalyse, des Maschinellen Lernens (z.B. Deep Learning, Active Learning) und der Künstlichen Intelligenz. Schwerpunkte in der Grundlagenforschung sind beispielsweise selbst-lernende und selbst-organisierende Systeme, Methoden des kollaborativen und aktiven Lernens, Methoden des Transferlernens oder Techniken zur Echtzeitanalyse von Zeitreihen. Schwerpunkte der angewandten Forschung liegen in den Bereichen Energiesysteme, Automobil (Autonomes Fahren) und Experimental-physik/Werkstoffe. Im Fachgebiet IES arbeiten aktuell etwa 20 Mitarbeitende in den genannten Bereichen.

Aufgaben:

- Verfahren für die Erfassung des Fahrverhaltens von Radfahrenden mittels maschineller Lernverfahren (insbesondere Deep Learning Ansätze) basierend auf Daten von Kfz-Sensorik (z.B. Kamera und LiDAR).
- Ansätze des Cross Labeling zur hochautomatisierten Annotation von Verhaltensdaten von Radfahrenden, d.h. Übertragen von „Labeln“ von beispielsweise Kameradaten auf LiDAR-Daten.
- Verfahren zur Zusammenführung von Informationen aus mit unterschiedlichen Datenmodalitäten trainierten Modellen und Evaluation des daraus entstehenden Informationsgewinns.
- Planung und Durchführung von Messkampagnen in Form von Laborexperimenten wie auch Feldexperimenten.
- Forschung im Rahmen des Projekts DyNaMo.
- Mitarbeit an allgemeinen Aufgaben des Fachgebiets.

Voraussetzungen: