T473-2025 - Wiss. Mitarbeiter:in (w/m/d)-Research Lab Active AI des Exzellenzclusters RAI - Darmstadt

Darmstadt / 100% / Befristet (3 Jahre) / Entgeltgruppe 13 TV TU Darmstadt / zum 01.01.2026

Über die TU Darmstadt

Die TU Darmstadt steht für exzellente und relevante Wissenschaft. Die tiefgreifenden globalen Veränderungsprozesse – von Energiewende bis zu Künstlicher Intelligenz – gestalten wir durch herausragende Erkenntnisse und zukunftsweisende Studienangebote entscheidend mit. Unsere Spitzenforschung bündeln wir in drei Feldern: Energy and Environment, Information and Intelligence, Matter and Materials. Als eine in der Metropolregion Frankfurt-Rhein-Main verankerte und sehr stark international geprägte Universität sehen wir uns den europäischen Werten und der europäischen Integration verpflichtet.

Über unseren Bereich

Der Exzellenzcluster 3057 Reasonable Artificial Intelligence, RAI, wurde in einem hochkompetitiven Verfahren als einer von insgesamt 70 zu fördernden Exzellenzclustern ausgewählt. Im Zentrum der Forschung des Exzellenzclusters RAI stehen Kl-Systeme, die menschenähnliche Kommunikations- und Denkfähigkeiten erwerben und neue Situationen erkennen, einordnen und sich selbstständig an diese anpassen können. Das Exzellenzcluster betreibt Spitzenforschung auf höchstem internationalen Niveau mit regelmäßigen Publikationen auf den Flagship-Venues wie NeurIPS, AAAI, ACL, RSS, CVPR, SIGMOD, ICSE, Nature Communications, Nature Human Behaviour, Nature Machine Intelligence und bietet Wissenschaftler:innen in frühen Karrierephasen bestmögliche Arbeits- und Forschungsbedingungen. Das Exzellenzcluster RAI trägt dazu bei, die internationale Wettbewerbsfähigkeit Deutschlands im Bereich der Künstlichen Intelligenz weiter auszubauen.

Das Exzellenzcluster ist zudem eng eingebunden in das Hessische Zentrum für Künstliche Intelligenz (hessian.AI). Die KI-Supercomputer fortytwo und fortythree von hessian.AI eröffnen dem Cluster exklusiven Zugang zu modernster GPU-Power (A100 und H100), eine verlässliche Grundlage für Spitzenforschung in KI-Training und -Inferenz. In den Exzellenzcluster sind Forschende anderer Universitäten eingebunden (Universität Bremen, Goethe-Universität Frankfurt am Main, Saarland Universität Saarbrücken, Universität Tübingen, Julius-Maximilian-Universität Würzburg).

RAI gliedert sich in vier Research Labs. Der Schwerpunkt Ihrer Tätigkeit liegt im Research Lab Active AI: Ein wesentlicher Aspekt der Intelligenz ist die Fähigkeit, sich schnell an unerwartete Veränderungen anzupassen. Menschen und Tiere können sich schnell an kleinste Störungen in ihrer Umgebung anpassen, eine Fähigkeit, die für ihr Überleben unerlässlich ist. Sie lernen ihr Leben lang kontinuierlich, indem sie mit ihrer Umgebung interagieren und diese erkunden. Im Gegensatz dazu weisen aktuelle KI-Systeme nicht das gleiche Maß an Anpassungsfähigkeit auf, da Trainingsalgorithmen nicht in der Lage sind, aus beobachteten Daten effektiv zu extrapolieren. Um diese Einschränkung zu überwinden, besteht die am weitesten verbreitete Lösung darin, die Größe der Datensätze zu erhöhen, um so viel wie möglich von der Varianz der realen Welt zu erfassen und damit Agenten in die Lage zu versetzen, robust auf verschiedene Situationen zu reagieren. Dies ist jedoch nicht nur kostspielig und nicht nachhaltig, sondern führt auch zu Systemen, die von Natur aus undurchsichtig und anfällig für Fehler sind. Um während ihres gesamten Lebenszyklus kontinuierlich sinnvoll zu funktionieren, müssen KI-Systeme über den anfänglichen Verbrauch von Daten hinausgehen und stattdessen proaktiv, reaktiv und anpassungsfähig in ihrer Interaktion mit der Welt sein. Eine zentrale Frage lautet daher: Wie können wir KI-Agenten schaffen, die kontinuierlich nach neuem Wissen suchen, um sich anzupassen und zu lernen, in einer sich ständig verändernden Welt zu handeln?

Mögliche Betreuer:innen/Mentor:innen mit Fokus auf Active AI

• Prof. Dr. Georgia Chalvatzaki: Interactive Robot Perception & Learning

• Prof. Dr. Carlo D’Eramo: Reinforcement Learning and Computational Decision-Making

• Prof. Dr. Emtiyaz Khan: Adaptive Bayesian Intelligence

• Prof. Dr. Heinz Koeppl: Selbstorganisierende Systeme

• Prof. Dr. Martin Mundt: Lebenslanges Maschinelles Lernen

• Prof. Dr. Jan Peters: Intelligente Autonome Systeme

• Prof. Dr. Constantin Rothkopf: Psychologie der Informationsverarbeitung

Weitere Informationen, wie die Liste beteiligter Professor:innen, finden Sie auf der RAI-Webseite: https://hessian.ai/projects/reasonable-ai-rai/.

Ihre Aufgaben

Ihre Aufgaben liegen bei der im Research Lab Active AI betriebenen Forschung.

Mögliche Themenfelder für Promotionen sind:

• Unterscheidung zwischen statischen und dynamischen Merkmalsdarstellungen und aktiven Interaktionen

• Aktive Verankerung sich verändernder Darstellungen mit symbolischem Wissen

• Aufbau von Erinnerungen an relevante Interaktionen

• Aktiver Aufbau kausal strukturierter Weltmodelle

• Agentengesteuerte robuste und schnelle Anpassungen

• Synergistisches Meta-Lernen über Parameter- und Funktionsräume hinweg

• Effizientes aktives Ausdünnen von Modellen und Modulen

• Modulare Quantifizierung von Unsicherheiten

• Aktives Schlussfolgern über Unsicherheiten

• Aktive Strategien zur Wissens- und Erklärungssuche

• Aktive Suche nach unbekannten Daten und Darstellungen

• Aktive Suche nach plausiblen Erklärungen

• Aktive Suche nach Modulen und Systemkomponenten

• Lebenslanges Lernen durch Synergien

• Lebenslanges Lernen und Personalisierung

• Lebenslanges Neurosymbolisches Lernen

• Transaktives Gedächtnis zur gemeinsamen Anpassung an die Umgebung

• Neurogenese für dynamische lebenslange Modelle

• Neurosymbolisches Lernen von Robotern

• Lebenslanges Reinforcement Learning

• Adaptives Deep Learning

• Prinzipien der Informationsverarbeitung

• Aktives Deep Learning

Kandidat:innen bewerben sich für eines der RAI-Research Labs, nicht für ein bestimmtes PhD-Projekt und nicht für mehrere Labs parallel. Während die Doktorand:innen im Laufe des ersten Jahres zunächst die jeweiligen Forschungsinteressen diskutieren und mögliche betreuende Professor:innen identifizieren sollen (Lab-Rotation bei fest zugeordneten Mentor:innen), werden spätestens zu Beginn des zweiten Jahres die konkreten Dissertationsthemen festgelegt. Die Doktorand:innen werden dann möglichst RAI-Research-Lab-übergreifend jeweils von zwei RAI Professor:innen betreut.