Doktorand*in in Responsible AI

Doktorand*in in Responsible AI

An der Universität Wien arbeiten rund 11.000 Persönlichkeiten gemeinsam an den großen Fragen der Zukunft. Wir suchen eine*n Doktorand*in in Responsible AI an der Fakultät für Informatik.

Besetzung ab: 15.10.2026 | Stundenausmaß: 30,00 | Einstufung KV: §48 VwGr. B1 Grundstufe (praedoc)

Befristung bis: 12.10.2029 | Stellen ID: 6159

Der ideale Startzeitpunkt für diese Position liegt zwischen Oktober und November 2026. Die Anstellungsdauer beträgt 3 Jahre. Das Arbeitsverhältnis ist zunächst auf 1,5 Jahre befristet und verlängert sich automatisch auf 3 Jahre, sofern der Arbeitgeber nicht innerhalb der ersten 12 Monate eine Nichtverlängerungserklärung abgibt. Bei entsprechendem Arbeitsfortschritt ist eine Verlängerung auf insgesamt maximal 4 Jahre möglich.

Über das Team

Werden Sie Teil der Forschungsgruppe Responsible Machine Learning an der Fakultät für Informatik. Die Forschung bewegt sich an der Schnittstelle von KI-Sicherheit und datenzentrierter KI, darunter Privacy, Unlearning und Curation. Ziel ist es, maschinelles Lernen zuverlässiger, transparenter und im Einklang mit menschlichen Werten zu gestalten.

• Data-Centric AI: Weiterentwicklung von Machine Unlearning, datenschutzfreundlichen Verfahren und robuster Datenkuratierung.
• AI Safety: Gewährleistung von robustem Alignment und Sicherheit in Multi-Agenten-LLM-Systemen.
• Effizienz: Optimierung und Vereinfachung von Modellevaluierungen und -training im großen Maßstab.
• Science of Deep Learning: Erforschung der mechanistischen Interpretierbarkeit und der Treiber für Modellleistung bei großer Skalierung.

Mehr zur Forschungsgruppe: https://martinpawelczyk.github.io/

Ihre Aufgaben und Verantwortlichkeiten

Entwicklung von Methoden und Werkzeugen des maschinellen Lernens mit besonderem Fokus auf:

• Data-Centric AI: Data Attribution, Datenkuratierung und Datenschutz für große Foundation-Modelle wie LLMs und VLMs.
• Agentic AI: Erforschung von Multi-Agenten-Systemen und deren Dynamiken.
• Explainable AI: Schwerpunkt auf mechanistischer Interpretierbarkeit.

Zu Ihren weiteren Aufgaben gehören Forschung und Publikation, das Verfassen und der Abschluss einer Dissertation, der Beitritt zur Vienna Doctoral School of Computer Science, wissenschaftlicher Austausch auf internationalen Konferenzen, Beiträge zur akademischen Community sowie Lehr- und Administrationsaufgaben.

Ihre Qualifikationen

Erforderliche Qualifikationen

• Abgeschlossenes oder kurz vor Abschluss stehendes Masterstudium in Informatik, Machine Learning, Mathematik, Physik, Statistik oder einem verwandten quantitativen Bereich.
• Fundierte Kenntnisse in maschinellem Lernen, Statistik und/oder Mathematik.
• Hervorragende Programmierkenntnisse in Python sowie idealerweise sehr gute Kenntnisse in PyTorch oder JAX.
• Erste Forschungserfahrungen, etwa eine herausragende Masterarbeit, Open-Source-Beiträge oder Workshop-Publikationen.
• Ausgezeichnete Englischkenntnisse in Wort und Schrift.
• Eigenmotivation, Neugier und Fähigkeit, eigenständig sowie im Team zu arbeiten.

Wünschenswerte Qualifikationen

• Erfahrung im Training oder Fine-Tuning großer Modelle wie LLMs und VLMs in verteilten Systemen.
• Vertrautheit mit Cluster-Computing-Umgebungen wie SLURM und Linux-basierten Workflows.
• Erfahrung in einem Forschungslabor, Beiträge zu Publikationen oder bedeutenden Open-Source-Projekten.
• Lehrerfahrung.

Was Wir Bieten

• Attraktive Vergütung: Ein Bruttomonatsgehalt von 3.776,10 EUR bei Vollzeitbeschäftigung, 14-mal jährlich ausbezahlt, mit möglicher Erhöhung durch einschlägige Berufserfahrung.
• Weltklasse-Standort: Leben und arbeiten in Wien mit sehr guter öffentlicher Erreichbarkeit.
• Inspirierende Arbeitsatmosphäre: Teil eines internationalen akademischen Teams in einem gesunden und partnerschaftlichen Arbeitsumfeld.
• Weiterbildung und Coaching: Kostenfreie Auswahl aus über 600 Weiterbildungskursen der Universität.
• Vertragsstruktur: Geplante Beschäftigungsdauer bis zu 4 Jahre mit üblicher erster Befristung auf 1,5 Jahre.

Ihre Bewerbungsunterlagen

• Akademischer Lebenslauf
• Motivationsschreiben mit frühestmöglichem Startdatum und Motivation
• Kopie der Masterarbeit oder Extended Abstract
• Offizielle Studienerfolgsnachweise für Bachelor- und Masterstudium
• Optionales Formular: https://tinyurl.com/mvamwy7a

Bei inhaltlichen Fragen kontaktieren Sie bitte Martin Pawelczyk unter martin.pawelczyk@univie.ac.at.

Bewerbungsfrist: 18.09.2026