Wiss. Mitarbeiter*in (d/m/w)

Das Berlin Institute for the Foundations of Learning and Data (BIFOLD) der TU Berlin sucht für ein Agilitäts-Teilprojekt eine*n wissenschaftliche*n Mitarbeiter*in mit Kenntnissen in den Bereichen verteilte Datenstromverarbeitung und Edge-Cloud-Systeme an der Schnittstelle zwischen Sensorik, maschinellem Lernen und Systemintegration. Potenzielle Bewerber*innen sollten vor allem über praktische Erfahrung mit Datenstromverarbeitungssystemen verfügen. Das Projekt ist beim NebulaStream-Team von Prof. Volker Markl, Dr. Steffen Zeuch und Dr. Thanasis Georgiadis im Fachgebiet Datenbanksysteme und Informationsmanagement (DIMA) angesiedelt.

Im Projekt „Efficient, Automated and Real-Time Sensor-Edge-Cloud Stream Processing for Smart-Manufacturing (SEC-SM)” soll eine Smart-Manufacturing-Streaming-Architektur auf Basis des ACA-Loops (Analyze – Condition – Act) in NebulaStream entwickelt werden, die kontinuierlich multimodale Sensor- und Kameradaten unterschiedlicher Modalitäten analysiert, kritische Befunde wie Fehler und Abweichungen in Fertigungsabläufen mit geringer Latenz zuverlässig erkennt, Teile der Verarbeitung durch adaptive Entscheidungsfindung automatisiert und Ergebnisse an Mitarbeitende und Schichtleitungen kommuniziert. Das Projekt baut auf simulierten Fertigungsszenarien auf spezialisierter Ausrüstung wie der Fischertechnik Learning Factory, fahrerlosen Transportsystemen (AGVs), unbemannten Luftfahrzeugen (UAVs) sowie diversen Sensor- und Kamerasystemen auf.

• Eigenständige und verantwortungsvolle Forschung an der Schnittstelle zwischen Datenstromverarbeitungssystemen, verteilten Systemen und Edge-Cloud-Architekturen für Smart-Manufacturing-Anwendungen.
• Erweiterung des NebulaStream-Frameworks um die Verarbeitung heterogener, multimodaler Sensor- und Kameradatenströme (strukturierte Daten, Bilder, Audio, Geodaten).
• Entwicklung zustandsbehafteter Operatoren zur ressourceneffizienten Erkennung komplexer Ereignismuster über mehrere Datenströme hinweg.
• Integration ressourceneffizienter KI-Modelle (Edge-AI) in die verteilte Streaming-Engine unter Einhaltung strikter Latenz-, Energie- und Ressourcenanforderungen.
• Entwicklung deklarativer Schnittstellen zur Erstellung von Aktionsregeln sowie zur Interaktion mit laufenden Stream-Analysen und Alarmen im laufenden Betrieb.
• Validierung der entwickelten Ansätze anhand simulierter Fertigungsszenarien.

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Informatik oder einem vergleichbaren Studiengang.
• Mehrjährige Erfahrung in den Bereichen Systemintegration, verteilte Systeme und Datenstromverarbeitung ist vorausgesetzt.
• Sehr gute Programmierkenntnisse in C++ oder Rust unabdingbar.
• Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft, die fehlenden Sprachkenntnisse zu erwerben

Erfahrung mit Edge-/IoT-Systemen, Sensorfusion, komplexer Ereignisverarbeitung (Complex Event Processing), dem Einsatz von maschinellem Lernen im Streaming-Kontext sowie in Open-Source-Projekten ist von Vorteil.

Ihre schriftliche Bewerbung richten Sie bitte ausschließlich per E-Mail unter Angabe der Kennziffer einschließlich Ihres Anschreibens, Ihres Lebenslaufs, digitaler Kopien Ihrer akademischen Zeugnisse und Ihrer Empfehlungsschreiben zusammengefasst in einem PDF-Dokument an die Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Softwaretechnik und Theoretische Informatik / FG DIMA (Datenbanksysteme und Informationsmanagement), FR 7-1, Franklinstraße 28/29, 10587 Berlin (eine PDF-Datei, max. 5 MB): jobs@dima.tu-berlin.de.

Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei ungeschützter Übersendung Ihrer Bewerbung auf elektronischem Wege keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann. Datenschutzrechtliche Hinweise zur Verarbeitung Ihrer Daten gem. DSGVO finden Sie auf der Webseite der Personalabteilung: https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/.

Zur Wahrung der Chancengleichheit zwischen Frauen und Männern sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Die TU Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.