Beschreibung

Wissenschaftliche/r Mitarbeiter/in (m/w/d) - Integrierte Systeme | Universität Rostock | 2763

Die Universität Rostock bietet Ihnen eine vielfältige, abwechslungsreiche und anspruchsvolle Tätigkeit in einer traditionsbewussten, aber dennoch innovativen, modernen und familienfreundlichen Hochschule in einer lebendigen Stadt am Meer.
An der Fakultät für Informatik und Elektrotechnik, Institut für Angewandte Mikroelektronik und Daten besetzen wir vorbehaltlich der Mittelzuweisung zum 01.09.2025 befristet für die Dauer des Projektes KERE bis 30.06.2027 die folgende Stelle:

Wissenschaftliche/r Mitarbeiter/in (m/w/d) - Integrierte Systeme
Startdatum
zum 01.09.2025
Arbeitszeit
Vollzeit mit 40 Stunden
Entgelt
Entgeltgruppe 13 TV-L
Standort
Campus Südstadt
Ausschreibungsnummer
P 118/2025
Befristung
befristet bis 30.06.2027
Bewerbungsfrist
07.08.2025

FÜR WEITERE AUSKÜNFTE STEHEN WIR IHNEN ZUR VERFÜGUNG:
Personalservice:
Franziska Braatz

Tel.-Nr.: 0381/498-1291

E-Mail: franziska.braatz@uni-rostock.de
Fachbereich:
Prof. Dr. Marc Reichenbach
Tel.-Nr.: 0381/498-7270

E-Mail: marc.reichenbach@uni-rostock.de
Das Ziel des Projekts ist es, die hohen Rechen- und Speicheranforderungen von Online-Empfehlungssystemen um einen Faktor von über 100 zu reduzieren, um kleinen Anbietern den Einsatz dieser Systeme gewinnbringend zu ermöglichen. Die Universität Rostock arbeitet an der Entwicklung einer effizienteren Hardware- und Software-Architektur für diese Systeme, indem sie Tensor-Trains mittels Computation-Coding umsetzt und eine Entwicklungsumgebung für die Realisierung von Tensor-Train-Operationen auf FPGAs (Field-Programmable Gate Arrays) aufbaut.

DAS SIND IHRE AUFGABEN:
• Forschen auf dem Gebiet energieeffizienter Hardwarearchitekturen zur Beschleunigung von Inferenz in Neuronalen Netzen unter Verwendung von Tensor-Train-Zerlegungen und Linearer Berechnungskodierung
• Erarbeiten von Grundlagen des Tensor-Train-Decomposition-Verfahrens und der Berechnungskodierung für die speicherkomprimierte und berechnungsoptimierte Umsetzung von Inferenz bei Deep-Learning-Recommendation-Models (DLRM)
• Erweitern des Berechnungskodierungsansatzes (LCC) für das Constant-Matrix-Vector-Multiplication-Problem auf Tensor-Train-Zerlegungen (TTD)
• Kooptimieren der beiden Verfahren LCC und TTD, z.B. im Hinblick auf orthogonale Basen und gegenseitige Einflüsse in Annährungsverfahren
• Umsetzen der erarbeiteten Algorithmischen Approximation mittels Datenflussarchitekturen auf FPGA
• Erweitern existierender architektureller FPGA-Ansätze um die Partitionierung in FPGA-Clusterservern
• Auswerten der algorithmischen und Hardwareumsetzung sowie der gängigen Metriken wie Fehler, Performance und Energieeffizienz

DAMIT PASSEN SIE ZU UNS:
• abgeschlossenes wissenschaftliches Hochschulstudium (Diplom, Master oder vergleichbarer Abschluss) in Elektrotechnik, Informationstechnik, Informatik oder einer vergleichbaren Fachrichtung mit möglichst gutem Ergebnis
• Verständnis von Tensor-Train-Decomposition-Ansätzen (TTD) und Berechnungskodierung (LCC) für konstante lineare Operationen
• tiefgreifendes mathematisches Verständnis, insbesondere bezüglich Hilberträumen und linearer Analysis, für die Koanwendung der Verfahren und gegenseitiger Optimierung
• Verständnis über Neuronale Netze; wünschenswert ist Erfahrung im Umgang mit DLRM und Large Language Models (LLMs)
• Erfahrung mit der energieeffizienten Hardwareumsetzung von Beschleunigern für Inferenz in Neuronalen Netzen
• praktische Erfahrung in der Be- und Auswertung digitaler Systeme, insbesondere unter applikationsspezifischen Metriken wie die Genauigkeit der umgesetzten Verfahren
• sichere Kenntnisse der englischen Sprache in Wort und Schrift, Grundkenntnisse der deutschen Sprache bzw. die Bereitschaft, sich diese in kurzer Zeit anzueignen
• hervorragende termingerechte Arbeitsweise, Kommunikationsfähigkeit für die Präsentation von Forschungsergebnissen, Teamfähigkeit für die Arbeit in interdisziplinären Arbeitsgruppen

WIR ALS ARBEITGEBER:
Chancengleichheit ist uns wichtig. Bewerbungen geeigneter schwerbehinderter oder gleichgestellter Menschen sind uns willkommen. Wir streben eine Erhöhung des Anteils von Frauen in Forschung und Lehre an und bestärken deshalb einschlägig qualifizierte Frauen sich zu bewerben. Bewerbungen von Menschen anderer Nationalitäten oder mit Migrationshintergrund begrüßen wir.

WIR BIETEN IHNEN:

Flexible Arbeitszeit

30 Tage
Jahresurlaub

Jahressonderzahlung/
Betriebliche Altersvorsorge

Familienbüro

Gesundheitsmanagement
& Hochschulsport

Welcome Center

Weiterbildungsmöglichkeiten
(IT, Sprachen, berufliche Weiterbildung)

Karriereberatung für
Nachwuchswissenschaftler/innen

Fahrradleasing

Mensa - Mitarbeitertarif

Mitarbeiterparkplatz

Mobiles Arbeiten

Möglichkeit zur Promotion

WEITERE HINWEISE:
Die tarifliche Erfahrungsstufe legen wir unter Berücksichtigung Ihrer bisherigen Berufserfahrung individuell fest.
Sofern Sie diese Stelle in Teilzeit ausüben möchten, ist dies unter Berücksichtigung der dienstlichen Anforderungen möglich.
Die Befristung des Arbeitsverhältnisses richtet sich nach § 2 (2) Wissenschaftszeitvertragsgesetz.
Wir freuen uns auf Ihre Bewerbung (Anschreiben, Lebenslauf, Abschlusszeugnis mit Angabe der Abschlussnote) bis spätestens 07.08.2025. Wir können nur Bewerbungen berücksichtigen, die über unsere Homepage eingehen. Dazu senden Sie uns bitte Ihre Unterlagen über den Button „Online-Bewerbung“ am Ende eines Stellenangebots zu. E-Mail-Bewerbungen können wir leider nicht akzeptieren.
Bewerbungsunterlagen, die unvollständig sind, können im weiteren Verlauf des Auswahlverfahrens unberücksichtigt bleiben.
Bewerbungs- und Fahrkosten können wir leider nicht übernehmen.

Werden Sie Teil des Teams
Der Lehrstuhl Integrierte Systeme forscht unter Leitung von Prof. Dr.-Ing. Marc Reichenbach an energieeffizienten digitalen Systemen. Die Forschung fokussiert sich zum einen auf Methoden und Werkzeuge zur Modellierung von Systemen, um nachweisbare Eigenschaften der zugrundeliegenden Technologien auf Systemebene bewerten zu können. Zum anderen stehen neuartige Architekturen und Technologien wie neue Rechnerarchitekturen zur Beschleunigung von Künstlicher Intelligenz und neuartige Speichertechnologien wie RRAM oder HBM im Mittelpunkt.

Wir freuen uns auf Ihre Bewerbung!