2 x Akademischer Mitarbeiter (m/w/d) – neuronale Szenenmodellierung mit NeRFs und föderiertes Lernen für robotische KI-Systeme

Kennzahl

5888

Zum 1. Juli 2025 suchen die Institute für Robotik und Autonome Systeme (IRAS) und Datenzentrierte Softwaresysteme (IDSS) an der Hochschule Karlsruhe zwei engagierte wissenschaftliche Mitarbeiter:innen (m/w/d) zur Verstärkung unseres Forschungsteams im Rahmen eines von der Carl-Zeiss-Stiftung geförderten Forschungsprojekts.

Ziel des Projekts ist die Entwicklung einer offenen, verteilten Plattform zur unternehmensübergreifenden Entwicklung und zum föderierten Training robotischer KI-Modelle für komplexe Manipulationsaufgaben. Dabei kommen unter anderem Neural Radiance Fields (NeRFs) zur detaillierten Repräsentation dreidimensionaler Szenen sowie Federated Learning (FL) zur datenschutzfreundlichen Aggregation lokal trainierter Modelle über verteilte Robotersysteme hinweg zum Einsatz.

Aufgabengebiet:

Allgemeine Aufgaben für beide Stellen:

• Aufbau und föderiertes Training neuronaler Szenen- und Fähigkeitsmodelle in realen und simulierten Umgebun-gen zur Unterstützung komplexer Greif- und Manipulati-onsaufgaben
• Verknüpfung von föderiert trainierten Szenen- und Fä-higkeitsmodellen in einer verteilten KI-Architektur (Edge/Fog/Cloud) u. a. zur koordinierten Steuerung komplexer robotischer Manipulationsprozesse mit Soft-Endeffektoren in Zusammenarbeit mit Partnerinstituten
• Zusammenarbeit mit Industrie- und Forschungspartnern
• Mitwirkung an wissenschaftlichen Publikationen, Konfe-renzen und Open-Source-Software
• Betreuung studentischer Arbeiten und Hilfskräfte
• Zusätzlich für Stelle A – NeRF-Szenenmodellierung:
• Entwicklung und Anpassung bildkonditionierter NeRF-Modelle für die geometrische und semantische Reprä-sentation von Szenen in robotischen Anwendungen
• Zusätzlich für Stelle B – Föderiertes Lernen:
• Erforschung und Entwicklung föderierter Lernverfahren zur Aggregation lokal trainierter KI-Modelle über Robo-tersysteme verschiedener Unternehmen hinweg

Unser Angebot:

• Mitarbeit in einem zukunftsweisenden Forschungsprojekt mit hoher Sichtbarkeit in KI und Robotik
• Zusammenarbeit mit führenden Industriepartnern
• Zugang zu modernster Infrastruktur (ILKA KI-Cluster, Robotik-Forschungsfläche)
• Langfristige Beschäftigungs- sowie Gehaltsperspektive mit regelmäßigen Tariferhöhungen und Einstufungen entsprechend der Berufserfahrung. Je nach Vorliegen der persönlichen Voraussetzungen erhalten Sie ein Gehalt nach Entgeltgruppe 13 TV-L.
• Zuschuss zum Job Ticket BW/Deutschland-Ticket, JobBike BW, Zusatzrente der Versorgungsanstalt des Bundes und der Länder (VBL).
• Umfassende Leistungen einer familienfreundlichen Hochschule: Eltern-Kind-Raum, Zugang zum ganzheitlichen digitalen Beratungsangebot voiio.
• Flexible Arbeitszeiten inklusive Home-Office-Möglichkeiten von bis zu 40% der Gesamtarbeitszeit.
• Sinnstiftende Tätigkeit mit sehr guten Entwicklungsmöglichkeiten in einem zukunftsorientierten Hochschulumfeld.
• Gute Möglichkeiten für Zertifizierungen und Weiterbildungen.

Das bringen Sie mit:

• Allgemein für beide Stellen:
• Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder gleichwertig) in Informatik, Robotik, Ma-schinellem Lernen oder einem verwandten Fachgebiet
• Interesse an praxisnaher Forschung in den Bereichen Embodied AI, Szenenmodellierung und Industrierobotik
• Sehr gute Englischkenntnisse in Wort und Schrift; Deutschkenntnisse sind von Vorteil
• Teamfähigkeit, Eigeninitiative und systematische, er-gebnisorientierte Arbeitsweise
• Zusätzlich für Stelle A – NeRF-Szenenmodellierung:
• Fundierte Kenntnisse in Deep Learning und Computer Vision, insbesondere im Bereich NeRFs, 3D-Rekonstruktion oder implizite Repräsentationen
• Erfahrung mit bildkonditionierten neuronalen Netzen und 3D-Szenenmodellierung
• Praktische Kenntnisse in PyTorch oder TensorFlow; ide-alerweise Erfahrung mit PyTorch3D oder Instant-NGP
• Zusätzlich für Stelle B – Föderiertes Lernen:
• Fundierte Kenntnisse im Bereich verteiltes maschinelles Lernen oder Föderiertes Lernen
• Erfahrung mit Datenschutzkonzepten und Modellaggre-gation über heterogene Systeme hinweg
• Kenntnisse in Edge/Fog-Architekturen und idealerweise in ROS2 oder verteilten Trainingsumgebungen
• Praktische Erfahrungen mit Frameworks zur Umsetzung föderierter Lernverfahren (z. B. Flower, FedML)

Die Beschäftigung ist zunächst befristet bis 31.05.2028.

Wir freuen uns auf Ihre Online-Bewerbung über unser Bewerberportal!