An der Universität Wien arbeiten über 10.000 Persönlichkeiten gemeinsam an den großen Fragen der Zukunft. Davon rund 7.500 sind wissenschaftliche Mitarbeiter*innen. Persönlichkeiten, die mit ihrer Neugier und ihrem Streben nach Exzellenz zu internationaler Spitzenforschung und Lehre beitragen. Bei uns finden sie den Raum, sich auszuprobieren und ihr Potenzial zu entfalten. Sie wollen das auch? Wir suchen einen*eine

Universitätsassistent*in Praedoc - Forschungsgruppe DM & ML 

39 Fakultät für Informatik  

Besetzung ab: 01.02.2026  | Stundenausmaß:  30,00  | Einstufung KV:  §48 VwGr. B1 Grundstufe (praedoc) 

Befristung bis: 31.01.2030

Stellen ID: 4938

Es gibt viele gute Gründe, an der Universität Wien forschen und lehren zu wollen. Und einen, warum sich rund 7.500 wissenschaftliche Mitarbeiter*innen vor Ihnen für diese Universität entschieden haben. Sie verstehen sich als Persönlichkeiten, die Spielraum brauchen für ihre  Neugier und ihren kontinuierlichen Anspruch, um wissenschaftlich erfolgreich sein zu können. Das brauchen Sie auch? Herzlich willkommen in unserem Team!

Ihr persönlicher Spielraum:

Die Arbeitsgruppe „Probabilistic and Interactive Machine Learning“ innerhalb der Forschungsgruppe „Data Mining and Machine Learning“ an der Fakultät für Informatik unter der Leitung von Prof. Tschiatschek entwickelt Methoden des maschinellen Lernens und der künstlichen Intelligenz, insbesondere in den Bereichen Reinforcement Learning und Deep Probabilistic Models.

Zur Verstärkung unseres Teams suchen wir eine*n wissenschaftliche*n Mitarbeiter*in zur Entwicklung fortschrittlicher Methoden des maschinellen Lernens zur Verbesserung der Simulation und Optimierung verteilter Systeme, beispielsweise durch die Spezialisierung neuronaler ODEs und ihrer Trainingsroutinen.

Diese Forschung befasst sich mit Herausforderungen, die durch die Energiewende entstehen, insbesondere der Wandlung elektrischer Energiesysteme (EPS) hin zu Systemen mit einer Vielzahl von digitalisierten und leistungselektroniktgetriebenen Komponenten und einer daraus resultierenden starken Koppelung von System- und Komponentendynamiken. Traditionelle Simulations- und Optimierungsansätze, die die EPS-Analyse und -Simulation nach Zeitskalen in isolierte Bereiche mit unabhängigen Modellen und Solvern unterteilen, reichen nicht mehr aus.

Es werden neue Methoden benötigt, um die sich abzeichnenden Herausforderungen über Zeitskalen hinweg zu bewältigen, von der Echtzeit-Betriebssteuerung bis hin zur langfristigen Planung für Optimierung und Erweiterung. Dies schafft einen Bedarf an schnellen, flexiblen Modellierungsframeworks, wie z.B. Surrogatmodellen zur Beschleunigung von hoch präzisen Simulationen, Physikinformierten neuronalen Netzen (PINNs), neuronalen ODEs und anderen hybriden Physik-ML-Ansätzen.

Die Vertragsdauer bei Anstellung beträgt 4 Jahre. Zunächst befristet auf 1,5 Jahre wird das Dienstverhältnis automatisch auf 4 Jahre verlängert, wenn der Arbeitgeber nicht innerhalb der ersten 12 Monate eine Nichtverlängerungserklärung abgibt.

Das machen Sie konkret:

Sie werden aktiv in Forschung, Lehre und Verwaltung eingebunden sein, das bedeutet Folgendes:

• Teilnahme an Forschungsprojekten / wissenschaftlichen Studien, Teilnahme an Publikationen / wissenschaftlichen Artikeln / Lehrtätigkeiten
• Teilnahme an Konferenzen und Veröffentlichung Ihrer Forschungsergebnisse in Fachzeitschriften und auf Konferenzen
• Abschluss einer Dissertationsvereinbarung innerhalb von 12 Monaten (sofern noch nicht vorhanden)
• Teilnahme an und eigenständige Durchführung von Lehrveranstaltungen gemäß den Bestimmungen des Tarifvertrags
• Betreuung von Studierenden
• Mitwirkung bei der Organisation von Tagungen, Konferenzen, Symposien
• Mitwirkung in der Verwaltung des Instituts, in Lehre und Forschung

Anforderungen:

• Abgeschlossenes Masterstudium (oder vergleichbarer Abschluss) in Informatik, Data Science, Physik oder Elektrotechnik

• Ausgeprägte analytische Fähigkeiten

• Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten

• Sehr gute Englischkenntnisse in Wort und Schrift

• IT-Kenntnisse

• Kooperationsfreudiges, teamorientiertes und proaktives Verhalten

• Ausgezeichnete Kenntnisse in den Bereichen maschinelles Lernen (for Sciences), einschließlich neuronaler ODEs, Physikinformierter neuronaler Netze, Bayes'schen Lernens sowie Systemmodellierung und -simulation

• Hervorragende akademische Leistungen mit ersten Forschungsergebnissen im relevanten Bereich, dokumentiert durch Veröffentlichungen oder Manuskripte in Vorbereitung

• Ausgeprägte schriftliche und mündliche Kommunikationsfähigkeiten

Folgende Eigenschaften sind ebenfalls wünschenswert:

• Lehrerfahrung
• Kenntnisse über universitäre Prozesse und Strukturen

Ihr Profil:

• Master-Abschluss (oder vergleichbarer Abschluss) in Informatik, Data Sciene, Physik, Computerwissenschaft oder Elektrotechnik
• Hervorragende akademische Leistungen mit ersten Forschungsergebnissen im relevanten Bereich, dokumentiert durch Veröffentlichungen oder Manuskripte in Vorbereitung
• Ausgezeichnete Kenntnisse im Bereich des wissenschaftlichen maschinellen Lernens, einschließlich Themen wie Physikinformierte Neurale Netzwerke  (PINNs), Neural ODEs, Bayes'sches Lernen sowie Systemmodellierung und -simulation
• Fundierte Kenntnisse in numerischen Methoden und maschinellem Lernen
• Gute Programmierkenntnisse, vorzugsweise in Python
• Erfahrung mit Deep-Learning-Frameworks wie PyTorch oder TensorFlow
• Ausgezeichnete Englisch- und Deutschkenntnisse (in Wort und Schrift)
• Ausgeprägte Fähigkeit zur Zusammenarbeit in Forschungsteams
• Ausdauer und Fähigkeit, Projekte zuverlässig abzuschließen
• Hohe Motivation und Engagement für wissenschaftliche Exzellenz
• Reisebereitschaft, einschließlich der Teilnahme an nationalen und internationalen Konferenzen

Wünschenswerte Zusatzqualifikationen:

• Forschungserfahrung in der Anwendung von Physikinformierten maschinellem Lernen oder vergleichbaren Methoden, die physikalische Gesetze in datengesteuerte Modelle integrieren
• Lehrerfahrung
• Kenntnisse über universitäre Prozesse und Strukturen

Was wir bieten:

Work-Life-Balance: Sie haben flexible Arbeitszeiten und können auch teilweise remote arbeiten.

Inspirierendes Arbeitsklima: Sie sind Teil eines internationalen Teams mit hervorragender Forschungsinfrastruktur in einer lockeren Arbeitsumgebung.

Gute öffentliche Anbindung: Ihr neuer Arbeitsplatz ist mit öffentlichen Verkehrsmitteln bequem erreichbar.

Interne Weiterbildung und Coaching: Wir bieten Ihnen laufend die Möglichkeit, Ihre Kompetenzen zu erweitern und zu vertiefen.

Faires Gehalt: Das Grundgehalt von EUR 3.714,80 (auf Basis Vollzeit) erhöht sich, wenn wir Berufserfahrungen anrechnen können.

Gleiche Chancen für alle: Wir freuen uns über jede zusätzliche Persönlichkeit im Team!

So einfach bewerben Sie sich:

• Cover Letter / Motivationsschreiben; stellen Sie inbesondere Ihre Eignung und Vorkenntnisse bezüglich der Ausschreibung knapp dar (max. 2 Seiten)
• Wissenschaftlicher Lebenslauf / Letter of intent (inkl. einer DarstellungIhrer Lehrerfahrung, falls vorhanden)
• Publikationsliste
• Nachweis Lehrerfahrung (falls vorhanden)
• Abschlusszeugnisse
• Bewerbung über unser Jobportal / Jetzt Bewerben - Button

Bei inhaltlichen Fragen kontaktieren Sie bitte: 

Sebastian Tschiatschek  

sebastian.tschiatschek@univie.ac.at

Wir freuen uns über neue Persönlichkeiten in unserem Team! 
Die Universität Wien betreibt eine antidiskriminatorische Anstellungspolitik und legt Wert auf Chancengleichheit, Frauenförderung und Diversität. Wir streben eine Erhöhung des Frauenanteils beim wissenschaftlichen und allgemeinen Universitätspersonal insbesondere in Leitungsfunktionen an und fordern daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Bei gleicher Qualifikation werden Frauen vorrangig aufgenommen. 

Universität Wien. Raum für Persönlichkeiten. Seit 1365.

Datenschutzerklärung

Bewerbungsfrist: 08.12.2025