T476-2025 - Wiss. Mitarbeiter:in (w/m/d) - Research Lab Observational 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 Observational AI: Das Ziel des Observational AI (OAI) Lab besteht darin, die algorithmischen Grundlagen für KI-Modelle zu schaffen, die (1) Beobachtungsdaten aus verschiedenen Modalitäten nahtlos kombinieren und fehlende Modalitäten berücksichtigen; (2) Kompetenz in der Wahrnehmung auf niedriger Ebene, im Denken auf hoher Ebene und im gesunden Menschenverstand aufweisen; (3) sich modular kombinieren lassen – die Bausteine ​​sind formbar und reagieren flexibel auf neue Situationen und Aufgaben, während sie vertraute Situationen gekonnt bewältigen; (4) sich symbolisch erklären lassen, sodass sie sowohl für Menschen als auch für andere KIs verständlich sind. OAI trägt somit dazu bei, KIs zu ermöglichen, die über sinnvollere Eigenschaften verfügen und sich besser für den Einsatz in der realen Welt bei Beobachtungsaufgaben eignen.

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

• Prof. Dr. Iryna Gurevych: Natural Language Processing

• Prof. Dr. Anna Rohrbach: Multimodal Grounded Learning

• Prof. Dr. Marcus Rohrbach: Multimodal Reliable Artificial Intelligence

• Prof. Dr. Stefan Roth: Visuelle Inferenz

• Prof. Dr. Simone Schaub-Meyer: Bild- und Videoanalyse

• Prof. Dr. Justus Thies: 3-D Graphics and Vision

• Prof. Dr. Isabell Valera: Maschinelles Lernen

Weitere Informationen, sowie 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 Observational AI betriebenen Forschung.

Mögliche Themenfelder für Promotionen sind: 

• Modulare Kombination verschiedener Modalitäten

• Fusion und Kommunikation von Modalitäten

• Hinzufügen neuer Modalitäten

• Ausgleichen der Beiträge der Modalitäten

• Dynamisches Modalitäten-Sampling

• Wahrnehmen, Reasoning und Wissen

• Wahrnehmung in Low-Shot-Szenarien

• Relationale Wahrnehmung

• Reasoning: der neuro-symbolische Weg

• Wissensintegration

• Modularität in Aufgaben

• Aufgaben zerlegen, Ergebnisse zusammenstellen

• Perspektivische Optimierung der Modulzusammensetzung

• Zentrale Modulzusammensetzung

• Effiziente Personalisierung der Modulzusammensetzung

• Vernünftige Observational AI mit Erklärungen

• Zusammenstellbare Erklärungen

• Zusammensetzung und Schlussfolgerungen anhand von Erklärungen

• Kontrafaktische Erklärungen für die Aufgabenzerlegung

• Erklärungen mit Modell-Mensch-InteraktionenInteressierte

Kandidat:innen bewerben sich für das Observational AI Research Lab, 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.