AI Systems Engineer - physical contact-rich AI (w/m/d) - mind. 28h

Die Stelle kann in Vollzeit oder Teilzeit besetzt werden. Bei einer Teilzeitbesetzung ist ein Teilzeitgrad von mindestens 80%, das heißt ein Umfang von mindestens 28 Wochenstunden, erforderlich.

Sie sind Teil unseres Forschungsteams und entwickeln Sie KI-Systeme, die in der physischen Welt operieren. Sie arbeiten an Problemen an der Schnittstelle von Machine Learning, Robotik und industrieller Automatisierung - dort, wo die Lücke zwischen Simulation und Realität die größte Herausforderung darstellt.

Ihre Aufgaben:

• Entwicklung und produktionsnahes Deployment von KI Systemen für physische Manipulations und Automatisierungsaufgaben in enger Zusammenarbeit mit Mechanik , Aktorik und Systementwicklung (im Rahmen eines Co Design Ansatzes)
• Entwurf und Training von Machine Learning und Reinforcement Learning Architekturen für kontaktreiche, hochdimensionale Systeme
  Aufbau und Betrieb von Simulations und Trainingspipelines (inkl. GPU beschleunigter Physiksimulation)
• Übertragung von KI Modellen aus der Simulation auf reale Hardware (Sim to Real) sowie Validierung im industriellen Umfeld
• Entwicklung und Verantwortung für skalierbare Infrastruktur (z. B. parallele Simulationen, automatisierte Evaluationspipelines, MLOps Tooling)
• Veröffentlichung von Ergebnissen auf Fachkonferenzen bei entsprechendem Reifegrad

Ihre Qualifikationen:

• Abgeschlossenes Studium in Informatik, Robotik, Mechatronik, Mathematik, Physik oder einem vergleichbaren Studiengang
• Mehrjährige Erfahrung in der Entwicklung, dem Training und der produktionsnahen Nutzung von KI-/ML-Modellen
• Erfahrung mit komplexen Softwareprojekten inklusive GPU-beschleunigter Simulation, mehrstufigen Trainingspipelines und Hardwareintegration, idealerweise im Bereich Regelungs- und Steuerungstechnik
• Sehr gute Kenntnisse in Python, Erfahrung mit C++ wünschenswert
• Fundierte Kenntnisse in Reinforcement Learning für kontinuierliche, hochdimensionale Aktionsräume z. B. Policy-Gradient-Verfahren, modellbasiertes Deep Reinforcement Learning oder hybride Ansätze
• Sicherer Umgang mit modernen ML-Frameworks wie PyTorch sowie idealerweise Erfahrung mit TensorFlow, JAX, CUDA-Kernels oder Modellquantisierung
• Erfahrung mit aktuellen KI-Ansätzen für physische Systeme, wie z. B. model-free/model-based Deep Reinforcement Learning oder Diffusion Models sowie Erfahrung im Umgang mit 3D-Daten und Repräsentationen, z. B. Punktwolken, impliziten Repräsentationen oder neuronaler Geometrie
• Idealerweise Erfahrung mit generativem Design oder Topologieoptimierung
• Sehr gute Englischkenntnisse
• Schnelle Auffassungsgabe gepaart mit guten Kommunikationsfähigkeiten und Verständnis von Kundenbedürfnissen

Ansprechpartner: Caroline Duchon, +49(711)347-56698

Ihre globalen Vorteile im Überblick:

Wir freuen uns auf Ihre Bewerbung und darauf, Sie kennenzulernen!