Liebe Studierende,

wer hat Interesse daran, Teil eines Teams zu werden, das dabei ist das Internet als das größte und komplexeste verteilte System datengetrieben zu verstehen und passgenau zu optimieren?

Internetausfälle sind meist in menschlichem Fehlverhalten begründent (z.B. in Konfigurationsfehlern von Kerninfrastruktur). Um mit immer komplexeren Netzen umgehen zu könnnen, schlägt aktuelle Forschung den Einsatz von Machine Learning zur Netzsteuerung vor. Der blinde Einsatz von ML kann aber auch problematisch sein.

Im DFG-Schwerpunktprogramm www.resilient-worlds.org untersuchen wir die Auswirkungen von Machine Learning auf die Internet Resilienz und wie man diese verbessern kann. Wenn Du gerne untersuchen möchtest, wie man mit ChatGPT das Internet verbessern könnte, kann das eine passende Stelle für Dich sein.

Wenn Du also eine motivierte und selbstständig arbeitende Person bist, die einen Faible für Daten, Statistik, Visualisierungen und vorallem das Internet hat, und bereit bist, unsere Lehr- und Forschungstätigkeiten an der Universität Kassel zu unterstützen, dann würde ich mich über eine Bewerbung freuen.

Details zur Promotionsstelle und Bewerbung sind hier zu finden: https://stellen.uni-kassel.de/jobposting/8f2edb8461fd2cf5c933bc54fa1224ed7ed...

Für Rückfragen stehe ich gerne zur Verfügung und freue mich auf deine Bewerbung!

Viele Grüße,

Oliver Hohlfeld www.vs.uni-kassel.de

Im Fachbereich Elektrotechnik/Informatik, – Fachgebiet Verteilte Systeme (Prof. Dr. Oliver Hohlfeld), ist zum nächstmöglichen Zeitpunkt die folgende Stelle zu besetzen:

Wissenschaftliche:r Mitarbeiter:in (m/w/d), EG 13 TV-H, befristet, Vollzeit (derzeit 40 Wochenstunden)

*Bewerbungsfrist:* 23.08.2023 *Einstellungsbeginn:* baldmöglichst Kennziffer: 36407

Die Stelle ist auf drei Jahre im Rahmen des DFG-Projektes ReNO: Resilient Integration of Machine Learning for Enhanced Network Operation“ befristet gemäß § 2 Abs. 2 WissZeitVG. Die Möglichkeit zur Promotion ist gegeben.

*Projekt Hintergrund:*

Aufgrund der wichtigen Rolle, die Kommunikationsnetze und insbesondere das Internet in unserer Gesellschaft spielen, werden solche Ausfälle als erhebliche Bedrohung angesehen. Der Hauptgrund für diese Ausfälle liegt insbesondere in der stetig steigenden Komplexität heutiger Netze. Während Netzbetreiber bereits damit beschäftigt sind, etablierte Protokolle zu kontrollieren und zu konfigurieren, um Ausfälle zu beheben oder das Internet auf die Zukunft vorzubereiten, erhöhen neue Technologien die Anzahl der Konfigurationsmöglichkeiten. Jedoch bleiben Netzbetreiber mit ihren traditionellen Werkzeugen für den Netzbetrieb auf der Strecke. Auf maschinellem Lernen (ML) basierende Netzwerkmanagementlösungen bieten eine Möglichkeit, die Komplexität des Netzwerkmanagements zu bewältigen. ML kann jedoch selbst die Widerstandsfähigkeit des Netzes beeinträchtigen, indem es falsche Entscheidungen trifft. Diese Entscheidungen sind zudem schwer nachzuvollziehen, da ML teilweise immer noch als sogenannte Black Box agiert. Das Ziel dieses Projekts ist es, die Widerstandsfähigkeit von Netzen zu verbessern, indem Situationen identifiziert werden, in denen maschinelles Lernen dazu beiträgt, Netze widerstandsfähiger zu machen.

*Aufgaben:* - Durchführung eigenständiger Forschung auf dem Gebiet der Computernetzwerke mit Schwerpunkt auf Themen wie BGP-basiertes Traffic Engineering und Verbesserung der Routing-/Infrastruktur Resilienz und Cybersicherheit. - Entwicklung von Lösungen im Bereich maschinelles Lernen und Bewertung ihres Potenzials zur Resilienzverbesserung. - Veröffentlichung der Forschungsergebnisse auf führenden internationalen Konferenzen. - Zusammenarbeit mit anderen Wissenschaftlern (national und international). Das Projekt ist in einem Schwerpunktprogramm der DFG angesiedelt (https://www.resilient-worlds.org/) - die aktive Kooperation mit anderen Forschungsgruppen in und außerhalb von Resilient Worlds ist daher erwünscht.

*Voraussetzungen:* - Mit mindestens gutem Erfolg abgeschlossenes wissenschaftliches Hochschulstudium der Informatik (oder verwandten Disziplinen). Der geforderte Abschluss muss spätestens zum Einstellungstermin vorliegen. - Gute bis sehr gute Kenntnisse im Gebiet der Kommunikationsnetze und des maschinellen Lernens - Sehr gute Programmierkenntnisse (z.B. Python/Bash) - Eine starke Leidenschaft für wissenschaftliche Herausforderungen und der Antrieb für unabhängige und zielorientierte Forschung. - Sehr gute Englischkenntnisse, wobei gute Deutschkenntnisse von Vorteil sind. - Ausgezeichnete wissenschaftliche Kommunikations- und Schreibfähigkeiten.

*Von Vorteil sind:* - Gute Kenntnisse im Umgang mit Linux/Unix Systemen - Kenntnisse im Bereich Traffic Engineering / BGP - Statistische Kenntnisse im Gebiet der Datenauswertung und der Leistungsbewertung von Computersystemen

*Einzureichende Bewerbungsunterlagen:* - Anschreiben (max. 1 Seite), in dem Sie Ihre Motivation für die Bewerbung auf die Stelle darlegen und erläutern, wie Ihre Qualifikationen und Fähigkeiten mit dem Fachgebiet für Verteilte Systeme und dem Projekt übereinstimmen, und Ihre Forschungsinteressen hervorheben. - Ein detaillierter Lebenslauf. - Kopie Ihrer Abschlusszeugnisse, einschließlich einer vollständigen Übersicht über die besuchten Veranstaltungen mit Noten. - PDF-Version Ihrer Masterarbeit. - Falls zutreffend, Kopien von Publikationen oder andere Qualifikationen.