Wiss. Mit­ar­bei­ter*in (m/w/d) auf dem Ge­biet des Ma­schi­nel­len Ler­nens

Das bringen Sie mit:

• abgeschlossenes wissenschaftliches Hochschulstudium im Bereich Informatik mit Schwerpunkt Maschinelles Lernen und Large Language Models (LLMs) oder äquivalenter Anschluss
• einschlägige Vorarbeiten im Bereich Natural Language Processing (NLP), z. B. nachgewiesen durch Publikationen auf CORE A und CORE A* Konferenzen des Feldes (NAACL, EMNLP, ICML, EACL)
• fundierte Kenntnisse im Bereich Softwareentwicklung mit Erfahrung im Aufbau von Produktionssystemen und Open-Source-Softwarepaketen
• sichere Sprachkenntnisse Englisch und Deutsch (C1)
• Hinweis: Bitte geben Sie Ihre GitHub ID in der Bewerbung an, sofern vorhanden

Unser Angebot:

• ein modernes Arbeitsumfeld
• eine tarifliche Eingruppierung (TV-L)
• abwechslungsreiche und verantwortungsvolle Aufgaben
• eine strukturierte Einarbeitung
• flexible Arbeitszeiten (Gleitzeit)
• sehr gute Weiterbildungsmöglichkeiten

Als familiengerechte Hochschule fördern wir die Vereinbarkeit von Beruf und Familie.

Ihr Weg an die HU:

Ihre vollständige Bewerbung richten Sie bitte unter Angabe der

Kennziffer DR/170/26 an die Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät, Institut für Informatik, Prof. Dr. Alan Akbik (Sitz: Rudower Chaussee 25, 12489 Berlin), Unter den Linden 6, 10099 Berlin oder bevorzugt per E-Mail in einer PDF-Datei an

(mailto:)

.

Erforderliche Bewerbungsunterlagen:

• Motivationsschreiben
• tabellarischer Lebenslauf
• Nachweis der erforderlichen Qualifikation (Zeugnisse, Urkunden, Weiterbildungsnachweise)
• Arbeitszeugnisse oder Beurteilungen

Für Fragen zur Ausschreibung und zum Aufgabengebiet steht Ihnen Prof. Dr. Alan Akbik (

(mailto:) ) gern zur Verfügung.

Die Besetzung der Stelle ist zum vorgesehen.

Zur Sicherung der Gleichstellung sind Bewerbungen qualifizierter Frauen besonders willkommen. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt. Bewerbungen von Menschen mit Migrationsgeschichte sind ausdrücklich erwünscht. Da wir Ihre Unterlagen nicht zurücksenden, bitten wir Sie, Ihrer Bewerbung nur Kopien beizulegen.

Die Humboldt-Universität zu Berlin ist tarifgebunden und wendet den TV-L HU an. Informationen zur Eingruppierung und zum Jahresentgeltrahmen finden Sie hier:

https://hu.berlin/ETRL (https://hu.berlin/ETRL)

.

Datenschutzrechtliche Hinweise zur Verarbeitung Ihrer personenbezogenen Daten im Rahmen des Ausschreibungs- und Auswahlverfahrens finden Sie auf der Homepage der Humboldt-Universität zu Berlin:

https://hu.berlin/DSGVO (https://hu.berlin/DSGVO)

.

We show an excerpt and a link, and the full text when the source allows it. Brands and logos shown belong to their owners.

Source: Statistisches Bundesamt (Destatis), table; dl-de/by-2-0; StarIn's calculation

Posted Nov 01, 2026

Posted Nov 01, 2026