Aktuelle Berufungskommissionen

An der Fakultät IV werden (fast) immer Studierende gesucht, die in einer der vielen Berufungskommissionen (BKen) zur Besetzung einer ausgeschriebenen Professur mitarbeiten. Da wir als eure Vertretung im Fakultätsrat diese Mitglieder benennen, möchten wir euch gerne über die drei zu besetzenden BKen informieren und würden uns freuen, wenn von euch Leute in diesen BKen mitarbeiten wollen.

Falls ihr Interesse habt, in einer der genannten BKen mitzuarbeiten, dann schreibt uns gerne ein Mail an info@freitagsrunde.org. Da jeweils Mitglied und stellvertretendes Mitglied gesucht werden, bietet sich hierüber auch die Möglichkeit, einen Einstieg in die unipolitische Arbeit zu erhalten. Wir unterstützen euch selbstverständlich, wo wir können. Nach Möglichkeit schaut euch vorher einmal unseren Wiki-Artikel zu Berufungskommission an.

Zuletzt geändert am 16.05.2026.

Architektur eingebetteter Systeme (W3)

Themen sind FPGAs, ASICs, Rechnerarchitektur, energieeffizienten Systeme, massiv parallelen Hochleistungsrechnern, Programmierbarkeit, Vorhersagbarkeit und Fehlertoleranz moderner Prozessorarchitekturen. Die Module Hardwarepraktikum, Rechnerorganisation (Praktikum) können ein näherer Einblick geben. Die Stelleauschreibung hebt hervor:

• Domänenspezifische Computer-Architekturen und -Systeme,
• Hardware- und Systementwürfe für KI / KI für Hard- und Systementwürfe
• Hardware-Software-Co-Design
• Nicht traditionelle, "post Moore" und "non-von-Neumann" Computer-Architekturen

Deep Learning (W3)

Die zu besetzende Professur soll Forschung und Lehre in einem oder mehreren der folgenden Gebiete durchführen:

• Maschinelles Lernen mit Schwerpunkt (generatives) Deep Learning,
• Anwendungen von Deep Learning in Computer Vision oder/und den Wissenschaften,
• Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien,
• Anpassen von Domänenwissen für Deep Learning,
• Representationslernen,
• Deep Learning und menschliche Kognition.

Theoretische Grundlagen für Deep Learning (W3)

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, Equivarianzeigenschaften etc. modelliert oder

gelernt werden können (mit Anwendungen in den Wissenschaften),

• Theoretische Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien,
• Grundlagen Generativer KI.