Wissenschaftlicher Mitarbeiter / Wissenschaftliche Mitarbeiterin (Promotion oder Postdoc) (m/w/d)

Summary

Die Ludwig-Maximilians-Universität München ist eine der führenden Universitäten in Europa mit einer über 500-jährigen Tradition. Sie steht für anspruchsvolle akademische Ausbildung und herausragende Forschung. Einrichtung Fakultät für Mathematik, Informatik und Statistik - Mathematisches Institut Vergütung TV-L Umfang Vollzeit (100%) Besetzungsdatum 01.02.2027 (befristet bis 30.04.2028) Das sind wir: Der Lehrstuhl für Mathematische Grundlagen der Künstlichen Intelligenz (MATH4AI) unter Leitung von Prof. Dr. Gitta Kutyniok am Mathematischen Institut der LMU wurde im Rahmen der Hightech Agenda Bayern eingerichtet und entwickelt die Mathematik für die nächste Generation der KI. Wir sind ein internationales Team von rund 35 Mitarbeitenden aus 14 Nationen, organisiert in sechs Forschungsclustern an der Schnittstelle von Mathematik und Künstlicher Intelligenz. Unsere Forschung entwickelt die mathematischen Grundlagen der KI – Repräsentationsstärke, Lernen, Generalisierung und Erklärbarkeit – und überführt sie in zuverlässige, nachhaltige und vertrauenswürdige KI-Methoden. Die Themen reichen von vertrauenswürdiger und erklärbarer KI bis hin zu energieeffizientem, hirninspiriertem KI-Computing der nächsten Generation, einschließlich Spiking Neural Networks und der grundlegenden Grenzen der KI. Darüber hinaus verantwortet der Lehrstuhl in leitender Funktion mehrere Großinitiativen im starken Münchner KI-Ökosystem und darüber hinaus, unter anderem den AI-HUB@LMU, die Konrad Zuse School of Excellence in Reliable AI (relAI) sowie die bayerisch-sächsische Initiative gAIn für nachhaltiges KI-Computing der nächsten Generation. Das Projekt: Die zu besetzende Stelle gehört zum Projekt „Spiking Neural Networks: Theoretical Foundations, Trustworthiness, and Energy-Efficiency", das in Kooperation mit Prof. Dr. Holger Boche (Lehrstuhl für Theoretische Informationstechnik, Technische Universität München) bearbeitet wird. Spiking Neural Networks bilden das menschliche Gehirn deutlich näher ab als klassische neuronale Netze und gelten als vielversprechender Ansatz, um zwei zentrale Herausforderungen heutiger KI zu adressieren: ihren enormen Energiebedarf und ihre begrenzte Vertrauenswürdigkeit. Ziel des Projekts ist es, die mathematischen Grundlagen von Spiking Neural Networks zu entwickeln, insbesondere im Hinblick auf Zuverlässigkeit und Energieeffizienz. Das Projekt ist Teil des DFG-Schwerpunktprogramms SPP 2298 „Theoretische Grundlagen von Deep Learning". Wir suchen Sie: Wissenschaftlicher Mitarbeiter / Wissenschaftliche Mitarbeiterin (Promotion oder Postdoc) (m/w/d) am Standort München Das sind Ihre Aufgaben: • Forschung an den Fragestellungen des Projekts „Spiking Neural Networks: Theoretical Foundations, Trustworthiness, and Energy-Efficiency" • Publikation der Forschungsergebnisse in führenden nationalen und internationalen Fachzeitschriften • Vorstellung der Forschungsergebnisse auf internationalen Konferenzen • Mitwirkung an den Veranstaltungen des SPP 2298 Das sind Sie: • Sie verfügen über ein sehr gut abgeschlossenes Hochschulstudium (Master bzw. – für Postdoc-Bewerbungen – eine Promotion) der Mathematik, Informatik oder einer vergleichbaren Fachrichtung, vorzugsweise mit Schwerpunkt in den mathematischen Grundlagen der Künstlichen Intelligenz und/oder in Bildverarbeitung/inversen Problemen. • Sie haben gute Programmierkenntnisse. • Sie kommunizieren sicher auf Englisch in Wort und Schrift; Deutschkenntnisse sind willkommen, aber keine Voraussetzung. Das ist unser Angebot: • ein hochaktuelles und wirkungsvolles Forschungsgebiet • die einzigartige Gelegenheit, sich über die Veranstaltungen des SPP 2298 mit der deutschen interdisziplinären Forschungsgemeinschaft zu den theoretischen Grundlagen des Deep Learning zu vernetzen • ein inspirierendes, kollegiales Arbeitsklima in einem hochgradig internationalen Lehrstuhl • die Möglichkeit zur Promotion (für Doktorandinnen und Doktoranden) • einen Arbeitsplatz in zentraler, attraktiver Lage in München, sehr gut mit öffentlichen Verkehrsmitteln erreichbar Die Vergütung erfolgt nach entsprechender Qualifikation und Berufserfahrung bis TV-L E13. Eine Teilzeitbeschäftigung ist grundsätzlich möglich. Schwerbehinderte Personen werden bei im Wesentlichen gleicher Qualifikation bevorzugt. Kontakt: Wir freuen uns auf Ihre Bewerbung per E-Mail (ein PDF, maximal 5 MB) mit den üblichen Unterlagen (Anschreiben, Lebenslauf, Kopien von Zeugnissen und Urkunden, Schriftenverzeichnis sowie Kontaktdaten von zwei Personen für Empfehlungsschreiben) bis zum 20.11.2026 an Frau Prof. Dr. Gitta Kutyniok, skr101@math.lmu.de. Für Rückfragen steht Prof. Dr. Gitta Kutyniok zur Verfügung. Wo Wissenschaft alles ist. An der LMU arbeiten Wissenschaftlerinnen und Wissenschaftler auf höchstem Niveau an den Zukunftsfragen um Mensch, Gesellschaft, Kultur, Umwelt und Technologie, unterstützt durch kompetente Beschäftigte in Verwaltung, IT und Technik. Werden Sie Teil der LMU München! Im Rahmen Ihrer Bewerbung auf eine Stelle an der LMU übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu die Datenschutzerklärung der LMU für den Internetauftritt. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzinformationen zur Kenntnis genommen haben und mit der Datenverarbeitung im Rahmen des Auswahlverfahrens einverstanden sind. Ludwig-Maximilians-Universität München Geschwister-Scholl-Platz 1 80539 München www.lmu.de Impressum Barrierefreiheit

• Studentische Hilfskraft (m/w/d) für das DFG-Netzwerk REMIND (5h/Woche) (PDF, 322 KB)

  HiWi

• Studentische Hilfskraft el mundo - Nachhaltigkeit in Studium und Lehre (m/w/d)

  HiWi · Fakultätsübergreifende Einrichtung · Deadline 10 November 2026

• PhD or Post-Doc Candidate (m/f/x)

  Postdoc · Fakultät für Mathematik, Informatik und Statistik · Deadline 20 November 2026

• Wissenschaftlicher Mitarbeiter / Wissenschaftliche Mitarbeiterin in Künstlicher Intelligenz (m/w/d)

  Scientific Staff · Fakultät für Betriebswirtschaft · Deadline 30 November 2026

• Research position in Artificial Intelligence (m/f/x)

  Research · Fakultät für Betriebswirtschaft · Deadline 30 November 2026

• PhD student in Placental Biology (m/f/x)

  PhD · Medizinische Fakultät · Deadline 15 November 2026