Stellenangebote

Die Universität Oldenburg engagiert sich für Gleichstellung, Diversität, Inklusion und die Vereinbarkeit von Familie und Beruf. Sie ist Unterzeichnerin der Charta der Vielfalt und seit 2004 als familiengerechte Hochschule zertifiziert. Wir begrüßen Bewerbungen von Menschen aller Nationalitäten, ethnischer und sozialer Herkünfte, Religionen, geschlechtlicher Identitäten, sexueller Orientierungen und Altersstufen.

« Zurück zur Übersicht


Stellenausschreibung / Job advertisement

Die Nachwuchsgruppe Adversarial Resilience Learning (Prof. Dr. Sebastian Lehnhoff), Abteilung Energieinformatik, Fachbereich Informatik der Universität Oldenburg, sucht eine/n

Wiss. Mitarbeiterin / wiss. Mitarbeiter (m/w/d)
mit dem Schwerpunkt Explainable Deep Reinforcement Learning in kritischen Infrastrukturen.

Es handelt sich um eine Vollzeitstelle (100%), Entgeltgruppe E13 TV-L, befristet bis zum 31.07.2025, ggf. mit der Option einer Verlängerung.

Adversarial Resilience Learning (ARL) bietet die Möglichkeit, an der Erforschung einer neuen Methodik für fortgeschrittene Agenten des Deep Reinforcement Learning in kritischen Infrastrukturen (KRITIS), wie dem Stromnetz, teilzunehmen. Bei der ARL-Methode konkurrieren zwei (oder mehr) Agenten („Angreifer“ und „Verteidiger“) um die Kontrolle über eine KRITIS. Durch diesen Wettbewerb lernen die beiden Agenten robuste Strategien für eine resiliente Kontrolle der KRITIS. Die Forschungsgruppe entwickelt darauf aufbauend eine fortschrittliche Architektur, die Deep-Reinforcement-Learning-Algorithmen höherer Ordnung, die Extraktion gelernter Strategien in einer Nicht-Standard-Logik über Methoden des Explainable Reinforcement Learning und das Lernen aus dem Wissen von Domänenexperten umfasst.

Ihr Forschungsziel ist es, menschliches Wissen, Regelsätze und erlernte Strategien in einer hybriden Agentenarchitektur zu kombinieren. Ihre Forschung wird es den ARL-Agenten ermöglichen, sich selbst in Form von Verhaltensregeln zu erklären, die in Ternary Vector Lists (TVL) kodiert sind, von menschlichem Wissen über TVLs zu lernen und zwischen diesen Regeln und ihrer eigenen Fähigkeit zu lernen zu unterscheiden. Sie werden an einem einzigartigen Projekt teilnehmen, das Grundlagenforschung zu einer neuartigen Agentenarchitektur mit der direkten Anwendung auf das Rückgrat unserer Gesellschaft, insbesondere das moderne Stromnetz, verbindet. Ihre Forschung wird ein Teil des Ziels der Gruppe sein, aktuelle und zukünftige Herausforderungen für unsere KRITIS zu bewältigen. Dabei arbeiten Sie mit Netzbetreibern, einem internationalen Think Tank für Cybersicherheitspolitik, KI-Unternehmen und unseren Partneruniversitäten Vanderbilt University und TU Delft zusammen.

Ihr Profil:

  • Wissenschaftlicher Hochschulabschluss der Informatik; Bereitschaft zu einer Promotion, die Grundlagenforschung in XRL mit der praktischen Anwendung auf KRITIS, insbesondere moderne Stromnetze, verbindet
  • Fundierte Kenntnisse in mindestens zwei der folgenden Bereiche: Nicht-Standard-Logiken (insbesondere TVL und Boolesche Differentialrechnung), Power Grids, Deep Reinforcement Learning und Explainable Deep Reinforcement Learning
  • Umfangreiche Programmiererfahrung mit mindestens Python oder C++, Kenntnisse im Software Engineering sind von Vorteil
  • Motivation und Fähigkeit, wissenschaftliche Ergebnisse zu veröffentlichen und zu präsentieren, die Forschungsgruppe gegenüber internationalen Experten zu vertreten und mit einem vielfältigen und internationalen Team von Forschern zusammenzuarbeiten
  • Fließendes Englisch in Wort und Schrift

Was wir anbieten:

  • Rasante Promotion in einer renommierten, vom BMBF geförderten Nachwuchsgruppe sowie Publikationen und Vorträge auf internationalen Konferenzen
  • Praktische Anwendung umfassender Grundlagenforschung zur Lösung einer dringenden Frage für die Rückgrat-Systeme unserer Gesellschaft
  • Internationales Netzwerk von Partneruniversitäten und Industriepartnern

Die Carl von Ossietzky Universität strebt an, den Frauenanteil im Wissenschaftsbereich zu erhöhen. Deshalb werden Frauen nachdrücklich aufgefordert, sich zu bewerben. Gem. § 21 Abs. 3 NHG sollen Bewerberinnen bei gleichwertiger Qualifikation bevorzugt berücksichtigt werden.
Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Bitte senden Sie Ihre Bewerbung (Motivationsschreiben, Lebenslauf, Kopien von Zeugnissen, Referenzen) per E-Mail in einem einzigen pdf-Dokument mit dem Stichwort "ARL" an Christiane Großmann, . Der Bewerbungsschluss ist der 30.11.2022.

Ausdrucken

(Stand: 17.11.2022)