Seite teilen
Fakultät für Elektrotechnik und Informationstechnik:
Lehrstuhl für Eingebettete Systeme
Wir suchen zum 01.01.2027 befristet in Teilzeit (8 Std./Woche) eine
Wissenschaftliche Hilfskraft (WHB) (m/w/d) mit Bachelor-Abschluss
Wir sind ein internationales Team, das sich in Lehre und Forschung mit Approximate Computing, rekonfigurierbaren Beschleunigern für Anwendungen des maschinellen Lernens, Entwurfsautomatisierung für neuartige Technologien sowie der Zuverlässigkeit und Fehlertoleranz von (Multi-)Prozessor- und eingebetteten Systemen beschäftigt. Im Rahmen des BMFTR-geförderten Forschungsprojekts EURO-NPU entwickeln wir die nächste Generation ultra-effizienter Edge-KI-Prozessoren. Ziel ist es, starr arbeitende KI-Beschleuniger durch dynamisch rekonfigurierbare Architekturen zu ersetzen, die ihre Präzision, Approximationsstufen und Early-Exit-Pfade zur Laufzeit flexibel an Energiebudgets und Arbeitslasten anpassen. Zur Unterstützung bei der Modellentwicklung, der Software-Optimierung und dem Benchmarking im KI-Bereich suchen wir ab dem 01.01.27 eine studentische Hilfskraft.
Im Rahmen dieser Stelle unterstützen Sie unser Team bei der Entwicklung, Quantisierung und Evaluierung effizienter neuronaler Netze für dynamische Edge-NPU-Hardware. Sie testen neuartige Trainingsmethoden (wie Quantization- und Approximation-Aware Training), integrieren Early-Exit-Mechanismen in KI-Modelle und unterstützen beim Aufbau automatisierter Benchmarking-Umgebungen.
Umfang: Teilzeit
Dauer: befristet, 1 Jahr
Beginn: zum 01.01.2027
Bewerben bis: 09.10.2026
Ihre Aufgaben:
- Modellentwicklung und Training: Design und Training von neuronalen Netzen (z. B. Vision-Language-Action-Modelle) für ressourcenbeschränkte Edge-Applikationen unter Einsatz von dynamischer Quantisierung.
- Adaptive Inferenz und Early-Exits: Integration und Testen von zur Laufzeit konfigurierbarer Präzisions-, Approximations-, und Early-Exit-Strategien.
- Robustheits-und Approximations-Training: Mitwirkung bei der Entwicklung und Erprobung unserer „DQAAT“-Bibliothek (Dynamic Quantization- and Approximation-Aware Training) inkl. Fehlerinjektion und Margin-basiertem Fehlertoleranztraining zur Härtung von Netzen gegen Rechenungenauigkeiten.
- Benchmarking: Unterstützung beim Aufbau einer reproduzierbaren Benchmarking-Umgebung zur Messung von Modellgenauigkeit (Accuracy) und Success-Rates unter dem Einfluss variabler Hardware-Parameter (z. B. Laufzeit-Präzisionsumschaltung und approximativer Arithmetik).
Ihr Profil:
- Qualifikation: Abgeschlossenes Bachelorstudium in Elektrotechnik, Informationstechnik, Informatik, Technische Informatik oder einem verwandten Studiengang.
- Fachkenntnisse: Solide Kenntnisse in Python sowie praktische Erfahrungen mit gängigen Deep-Learning-Frameworks (insbesondere PyTorch).
- Interesse und Begeisterung: Großes Interesse an Themen an der Schnittstelle zwischen Machine Learning und Hardware (z. B. Modellquantisierung, Pruning, Early-Exit-Strategien, Approximate Computing oder Fehlertoleranz).
- Kenntnisse über Tools und Methoden: Vertrautheit mit strukturierter Softwareentwicklung (z. B. Git, Linux-Umgebungen) sowie Motivation, sich schnell in neue ML-Tools und Benchmarking-Pipelines einzuarbeiten.
- Arbeitsweise: Eigeninitiative, Freude am selbstständigen Experimentieren mit neuartigen neuronalen Netzen und eine strukturierte Arbeitsweise.
Wir bieten:
Anspruchsvolle und abwechslungsreiche Aufgaben mit hoher Eigenverantwortung, Eine qualifizierte Einarbeitung, Zusammenarbeit in einem engagierten und wertschätzenden Team, Umfangreiche Fort- und Weiterbildungsmöglichkeiten, Eine flexible Arbeitszeiteinteilung mit Rücksicht auf Studienzeiten
Weitergehende Informationen:
Die Beschäftigung erfolgt als wissenschaftliche Hilfskraft mit Bachelor-Abschluss und richtet sich nach § 6 Wissenschaftszeitvertragsgesetz (WissZeitVG). Der Stundenlohn beträgt 17,60 €.
Der Dienstort ist die Ruhr-Universität Bochum.
Der Personalrat hat das Recht, an allen Auswahlgesprächen teilzunehmen. Auf Wunsch einer bewerbenden Person (m/w/d) sichert er seine Teilnahme am gesamten Verfahren zu. Bitte wenden Sie sich an wpr@rub.de.
Die Ruhr-Universität Bochum (RUB) ist eine der führenden Forschungsuniversitäten in Deutschland. Als reformorientierte Campusuniversität vereint sie in einzigartiger Weise die gesamte Spannbreite der großen Wissenschaftsbereiche an einem Ort. Das dynamische Miteinander von Fächern und Fächerkulturen bietet den Forschenden wie den Studierenden gleichermaßen besondere Chancen zur interdisziplinären Zusammenarbeit.
Die RUB steht für Diversität und Chancengleichheit. Daher fördern wir die Zusammenarbeit heterogener Teams und den beruflichen Weg von Menschen, die in den jeweiligen Arbeitsbereichen unterrepräsentiert sind. Die RUB wünscht ausdrücklich die Bewerbung von Frauen. In Bereichen, in denen sie unterrepräsentiert sind, werden sie bei gleicher Qualifikation bevorzugt berücksichtigt. Bewerbungen von Menschen mit Behinderung sind uns ebenfalls sehr willkommen.
Ansprechpersonen für weitere Informationen:
Prof. Dr. Akash Kumar , Tel.: +49 234 32 15677
Fahrtkosten, Übernachtungskosten und Verdienstausfall bzw. sonstige Bewerbungskosten für Vorstellungsgespräche können leider nicht erstattet werden.
Wir freuen uns auf Ihre Bewerbung unter Angabe der ANR 6156 bis zum 09.10.2026 über unser Online-Bewerbungsportal
RUHR-UNIVERSITÄT BOCHUM
44801 Bochum
Universitätsstraße 150
SOCIAL MEDIA