W3-Universitätsprofessur für das Fachgebiet "Theoretische Grundlagen für Deep Learning"

Technische Universität Berlin

W3-Universitäts­professur für das Fachgebiet „Theoretische Grundlagen für Deep Learning“

Fakultät IV – Elektrotechnik und Informatik, Institut für Software­technik und Theoretische Informatik
Kennziffer: IV-521/25 (besetzbar ab 01.01.2026 / unbefristet / Bewerbungsfristende 12.01.2026) Über uns:
Die Technische Universität Berlin ist mit rund 35.000 Studierenden, rund 350 Professuren und rund 7000 Beschäftigten Exzellenz­universität im Rahmen der Berlin University Alliance. Das Berliner KI‑Kompetenz­zentrum BIFOLD (Berlin Institute for Foundations of Learning and Data) an der Technischen Universität Berlin ist eines der fünf nationalen universitären KI‑Zentren. BIFOLD verfolgt das Ziel, Grundlagen­forschung, Ausbildung und Technologie­transfer in den Bereichen Big Data und Maschinelles Lernen sowie an deren Schnittstelle zu fördern und die internationale Spitzenstellung Berlins in diesem Bereich weiter auszubauen. www.bifold.berlin Wir schätzen die Vielfalt unserer Mitglieder, verfolgen die Ziele der Chancengleichheit und sind als familien­gerechte Hochschule zertifiziert. Ihre Aufgaben:
Die zu besetzende Professur soll Forschung und Lehre in einem oder mehreren der folgenden Gebiete durchführen:

• Theorie des überwachten und unüberwachten Deep Learning sowie generative AI‑Methoden,
• Grundlagen der statistischen Eigenschaften und Optimierung von Deep Learning,
• Einbeziehung von a-priori-Wissen in das Training sowie die Gestaltung der Architekturen,
• theoretische Erforschung, wie Invarianzen, Symmetrien, Äquivarianz­eigenschaften etc. modelliert oder gelernt werden können (mit Anwendungen in den Wissenschaften),
• theoretische Grundlagen tiefer Lernarchitekturen und Inferenz­prinzipien,
• Grundlagen Generativer KI.

Die/Der Stelleninhaber*in der Professur soll gemäß Bund-Länder-Vereinbarung überwiegend mit Forschungs­tätigkeiten betraut werden. Es ist geplant, die Lehrverpflichtung nach § 1 i. V. m. § 7 LVVO zu reduzieren. Als international profilierte Universität setzen wir die Fähigkeit voraus, in deutscher und englischer Sprache zu unterrichten, oder die Bereitschaft, fehlende Sprachkenntnisse in angemessener Zeit zu erwerben. Die/Der Stelleninhaber*in soll Forschungs­aufgaben für Studien­abschluss‑ und Promotions­arbeiten anbieten und diese betreuen. Die Einwerbung und Bearbeitung von Drittmittel­projekten und eine enge Zusammenarbeit mit den vorhandenen BIFOLD-Fachgebieten sind Teil des Aufgaben­feldes. Zu den weiteren Aufgaben gehören Führung und Leitung des Fachgebietes und dessen Mitarbeiter*innen, Förderung von wissenschaftlichem Nachwuchs, Frauen und gesellschaftlicher Vielfalt, Wissens- und Technologie­transfer, Initiativen zur Internationalisierung, gender- und diversity-kompetentes und nachhaltigkeits­orientiertes Handeln sowie Gremien- und Kommissionsarbeit. Ihr Profil:
Die Einstellungs­voraussetzungen nach § 100 ff. BerlHG müssen erfüllt sein.
Dazu gehören:

• ein abgeschlossenes, einschlägiges Hochschul­studium mit Schwerpunkt Informatik,
• besondere Befähigung zu wissenschaftlicher Arbeit, die in der Regel durch die Qualität einer Promotion im Bereich Maschinelles Lernen/Deep Learning nachgewiesen wird,
• zusätzliche wissenschaftliche Leistungen, z. B. positiv evaluierte Juniorprofessur, Habilitation oder habilitations­äquivalente Leistungen sowie
• pädagogische Eignung, nachgewiesen durch Ihr Lehrportfolio, vgl. hierzu https://www.tu.berlin/go209650/.

Darüber hinaus sind mehrjährige fachspezifische Lehrerfahrung, ein ausgewiesenes und international herausragendes Forschungs­profil in mindestens einem der vorgenannten Forschungs­themen, dokumentiert durch einschlägige Publikationen, Erfahrungen in nationalen und internationalen Forschungs­kooperationen (nachgewiesen durch entsprechende Auslands­aufenthalte und/oder maßgebliche Beteiligung an Projekten) erforderlich. Fundierte Kenntnisse mit Anwendungen von Deep Learning in Computer Vision und/oder den Wissenschaften, Anpassen von Domänen­wissen für Deep Learning, Grundlagen tiefer Lernarchitekturen und Inferenz­prinzipien, Repräsentations­lernen sowie der technischen und systematischen Umsetzung neuartiger Konzepte, insbesondere im Rahmen von Open Source- oder Datenanalyse­plattformen, werden erwartet. Hinweise zur Bewerbung:
Die Technische Universität Berlin strebt eine Erhöhung des Anteils von Frauen in Forschung und Lehre an und fordert deshalb qualifizierte Bewerberinnen nachdrücklich auf, sich zu bewerben. Schwerbehinderte Bewerber*innen werden bei gleicher Eignung bevorzugt berücksichtigt. Bewerbungen von Menschen aller Nationalitäten und mit Migrations­hintergrund sind herzlich willkommen. Die TU Berlin möchte ihre Berufungs­verfahren chancengerechter gestalten und hat dazu ein Formular zur Berücksichtigung des akademischen Alters in Berufungs­verfahren entwickelt. Bitte füllen Sie das Formular aus und reichen es als Teil der Bewerbungs­unterlagen ein: https://www.tu.berlin/go209647/. Ihre Bewerbung richten Sie bitte bis zum 12.01.2026 unter Angabe der Kennziffer IV-521/25 mit den üblichen Unterlagen (Anschreiben, Lebenslauf, Zeugnisse, Forschungs­konzept, Lehrportfolio, Publikationsliste, den 5 wichtigsten Publikationen und dem Nachweis von durchgeführten bzw. beantragten Drittmittel­projekten, dem Formular zur chancengerechten Gestaltung des Berufungs­verfahrens) per E‑Mail im PDF‑Format an den Dekan der Fakultät IV, Prof. Marc Alexa, berufungen@eecs.tu-berlin.de. Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei ungeschützter Übersendung Ihrer Bewerbung auf elektronischem Wege keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann. Datenschutzrechtliche Hinweise zur Verarbeitung Ihrer Daten gem. DSGVO finden Sie auf der Webseite der Personalabteilung: https://www.tu.berlin/abt2-t/services/rechtliches/datenschutzerklaerung-bei-bewerbungen.