W3-Universitätsprofessur für das Fachgebiet „Deep Learning“
Technische Universität Berlin
- Kennziffer: IV-520/25,
- Veröffentlicht: 13.01.2026,
- Beginn frühestens: frühestmöglich, unbefristet,
- Vergütung: Besoldungsgruppe W3,
- Umfang: 100 % Arbeitszeit; Teilzeit ggf. möglich
- Bewerbungsfrist: 27.01.2026
W3-Universitätsprofessur für das Fachgebiet „Deep Learning“ Fakultät IV – Elektrotechnik und Informatik, Institut für Softwaretechnik und Theoretische Informatik
Über uns
Die Technische Universität Berlin ist mit rund 35.000 Studierenden, rund 350 Professuren und rund 7000 Beschäftigten Exzellenzuniversität im Rahmen der Berlin University Alliance. Das Berliner KI‑Kompetenzzentrum BIFOLD (Berlin Institute for Foundations of Learning and Data) an der Technischen Universität Berlin ist eines der fünf nationalen universitären KI‑Zentren. BIFOLD verfolgt das Ziel, Grundlagenforschung, Ausbildung und Technologietransfer in den Bereichen Big Data und Maschinelles Lernen sowie an deren Schnittstelle zu fördern und die internationale Spitzenstellung Berlins in diesem Bereich weiter auszubauen. www.bifold.berlin
Wir schätzen die Vielfalt unserer Mitglieder, verfolgen die Ziele der Chancengleichheit und sind als familiengerechte Hochschule zertifiziert.
Ihre Aufgaben
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 und/oder den Wissenschaften,
- Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien,
- Anpassen von Domänenwissen für Deep Learning,
- Repräsentationslernen,
- Deep Learning und menschliche Kognition.
Die/Der Stelleninhaber*in der Professur soll gemäß Bund-Länder-Vereinbarung überwiegend mit Forschungstätigkeiten betraut werden. Es ist geplant, die Lehrverpflichtung nach § 1 i. V. m. § 7 LVVO zu reduzieren. Als international profilierte Universität setzen wir die Fähigkeit voraus, in deutscher und englischer Sprache zu unterrichten, oder die Bereitschaft, fehlende Sprachkenntnisse in angemessener Zeit zu erwerben.
Die/Der Stelleninhaber*in soll Forschungsaufgaben für Studienabschluss‑ und Promotionsarbeiten anbieten und diese betreuen. Die Einwerbung und Bearbeitung von Drittmittelprojekten und eine enge Zusammenarbeit mit den vorhandenen BIFOLD-Fachgebieten sind Teil des Aufgabenfeldes.
Zu den weiteren Aufgaben gehören Führung und Leitung des Fachgebietes und dessen Mitarbeiter*innen, Förderung von wissenschaftlichem Nachwuchs, Frauen und gesellschaftlicher Vielfalt, Wissens- und Technologietransfer, Initiativen zur Internationalisierung, gender- und diversity-kompetentes und nachhaltigkeitsorientiertes Handeln sowie Gremien- und Kommissionsarbeit.
Ihr Profil
Die Einstellungsvoraussetzungen nach § 100 ff. BerlHG müssen erfüllt werden.
Dazu gehören:
- ein abgeschlossenes, einschlägiges Hochschulstudium mit Schwerpunkt Informatik,
- besondere Befähigung zu wissenschaftlicher Arbeit, die in der Regel durch die Qualität einer Promotion im Bereich Maschinelles Lernen/Deep Learning nachgewiesen wird,
- zusätzliche wissenschaftliche Leistungen, z. B. positiv evaluierte Juniorprofessur, Habilitation oder habilitationsäquivalente Leistungen sowie
- pädagogische Eignung, nachgewiesen durch Ihr Lehrportfolio, vgl. hierzu https://www.tu.berlin/go209650/.
Darüber hinaus sind mehrjährige fachspezifische Lehrerfahrung, ein ausgewiesenes und international herausragendes Forschungsprofil in mindestens einem der vorgenannten Forschungsthemen, dokumentiert durch einschlägige Publikationen, Erfahrungen in nationalen und internationalen Forschungskooperationen (nachgewiesen durch entsprechende Auslandsaufenthalte und/oder maßgebliche Beteiligung an Projekten) erforderlich.
Fundierte Kenntnisse mit Anwendungen von Deep Learning in Computer Vision und/oder den Wissenschaften, Anpassen von Domänenwissen für Deep Learning, Grundlagen tiefer Lernarchitekturen und Inferenzprinzipien, Repräsentationslernen sowie der technischen und systematischen Umsetzung neuartiger Konzepte, insbesondere im Rahmen von Open Source- oder Datenanalyseplattformen, werden erwartet.
Hinweise zur Bewerbung
Die Technische Universität Berlin strebt eine Erhöhung des Anteils von Frauen in Forschung und Lehre an und fordert deshalb qualifizierte Bewerberinnen nachdrücklich auf, sich zu bewerben. Schwerbehinderte Bewerber*innen werden bei gleicher Eignung bevorzugt berücksichtigt. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.
Die TU Berlin möchte ihre Berufungsverfahren chancengerechter gestalten und hat dazu ein Formular zur Berücksichtigung des akademischen Alters in Berufungsverfahren entwickelt. Bitte füllen Sie das Formular aus und reichen es als Teil der Bewerbungsunterlagen ein: https://www.tu.berlin/go209647/.
Ihre Bewerbung richten Sie bitte bis zum 27.01.2026 unter Angabe der Kennziffer IV-520/25 mit den üblichen Unterlagen (Anschreiben, Lebenslauf, Zeugnisse, Forschungskonzept, Lehrportfolio, Publikationsliste, den 5 wichtigsten Publikationen und dem Nachweis von durchgeführten bzw. beantragten Drittmittelprojekten, dem Formular zur chancengerechten Gestaltung des Berufungsverfahrens) per E‑Mail im PDF‑Format an den Dekan der Fakultät IV, Prof. Marc Alexa, berufungen@eecs.tu-berlin.de.
Den vollständigen Ausschreibungstext finden Sie hier:
https://www.jobs.tu-berlin.de/stellenausschreibungen/200647
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.tu.berlin/abt2-t/services/rechtliches/datenschutzerklaerung-bei-bewerbungen.
Kennziffer
IV-520/25
Weitere Aktionen
Ähnliche Jobs per Mail erhalten?
Abonnieren Sie unsere Job-Mail!
Ähnliche Jobs
Technische Universität München (TUM)
Technische Universität Berlin
Hochschule für angewandte Wissenschaften München
