Job Description

Die Katholische Universität Eichstätt-Ingolstadt (KU) ist eine vom Freistaat Bayern anerkannte nichtstaatliche Universität in kirchlicher Trägerschaft. Exzellente Forschung, internationale Ausrichtung, hervorragende Lehre und ideale Studienbedingungen zeichnen uns aus. An acht Fakultäten steht unseren 5000 Studierenden ein breites Fächerspektrum offen. Wir beschäftigen 900 Mitarbeiterinnen und Mitarbeiter unterschiedlicher konfessioneller und weltanschaulicher Prägung. Auf der Grundlage einer christlichen Sicht des Menschen steht die KU als engagierte Universität für eine Wissenschafts- und Bildungskultur der Verantwortlichkeit.

Please find English version below!

An unserer Mathematisch-Geographischen Fakultät am Lehrstuhl für Reliable Machine Learning ist zum nächstmöglichen Zeitpunkt eine Teilzeitstelle (75%) als

wissenschaftlicher Mitarbeiter (Doktorand) (m/w/d)

======================================================

befristet für die Dauer von zunächst drei Jahren zu besetzen. Dienstort ist Ingolstadt. Die Bezahlung erfolgt im Rahmen des privatrechtlichen Arbeitsverhältnisses bei gegebenen tariflichen Voraussetzungen nach Entgeltgruppe 13 TV-L.


Der durch die HighTech-Agenda Bayern finanzierte Lehrstuhl „Reliable Machine Learning“ ist Teil des „Mathematischen Instituts für Maschinelles Lernen und Data Science (MIDS)“ an der KU Eichstätt-Ingolstadt. Die ausgeschriebene Stelle wird finanziert durch das am Lehrstuhl angesiedelte Emmy Noether Projekt „Stability and Solvability in Deep Learning“. Das Projekt beschäftigt sich mit der mathematischen Analyse von Verfahren des Machine Learning, mit einem besonderen Fokus auf Fragen der Stabilität, Berechenbarkeit und Robustheit in Bezug auf Deep Learning.

Ihre Aufgaben

-----------------

Mitarbeit am Forschungsprojekt „Stability and Solvability in Deep Learning“ Umsetzung des eigenen Promotionsvorhabens Wissenstransfer mittels Publikationen und Teilnahme an Konferenzen

Ihr Profil

--------------

abgeschlossener Master-Abschluss (oder vergleichbar) aus dem Bereich der Mathematik, vorzugsweise mit einem Schwerpunkt in einem der folgenden Bereiche:

o Machine Learning


o (hoch-dimensionale) Wahrscheinlichkeitstheorie


o Funktionsanalysis


o Information-based Complexity


Der Master-Abschluss muss zum Beginn der Tätigkeit vorliegen, aber noch nicht notwendigerweise zum Zeitpunkt der Bewerbung.
Interesse an der mathematischen Analyse von Algorithmen des Machine Learning vorzugsweise praktische Erfahrung im Bereich Programmieren und Machine Learning

Unser Angebot

-----------------

Möglichkeit, eigenen Forschungsinteressen nachzugehen und zu promovieren attraktiver und teamorientierter Arbeitsplatz in einem modernen universitären Umfeld interessantes, verantwortungsvolles und vielseitiges Aufgabenspektrum internationale Kontakte

Sind Sie interessiert? Dann freuen wir uns auf Ihre Bewerbung!

------------------------------------------------------------------

Bitte fügen Sie Ihrer Bewerbung folgende Unterlagen bei:


Anschreiben Lebenslauf Liste von Publikationen (falls vorhanden) Bescheinigung der akademischen Abschlüsse (BSc/MSc), inklusive besuchter Veranstaltungen mit Noten falls bereits abgeschlossen eine Kopie der Masterarbeit (sonst einen Entwurf) persönliches Empfehlungsschreiben des Betreuers / der Betreuerin der Masterarbeit
Bitte richten Sie Ihre aussagekräftige Bewerbung mit den angeforderten Unterlagen bis 15. Januar 2026 per E-Mail über bewerbung@ku.de an Prof. Dr. Felix Voigtlaender (bitte alle Unterlagen in einer PDF-Datei). Eingereichte Bewerbungsunterlagen werden nach Abschluss des Einstellungsverfahrens unter Beachtung der datenschutzrechtlichen Bestimmungen vernichtet.


Alle Beschäftigten sind verpflichtet, Wesen und Auftrag der KU anzuerkennen, wie sie im Leitbild und in der Stiftungsverfassung festgelegt sind. Wir bitten um auch in dieser Hinsicht aussagekräftige Bewerbungen. Darüber hinaus gibt es keine konfessionellen Voraussetzungen für eine Beschäftigung an der KU.


Die KU fördert die Gleichstellung von Frauen und Männern und setzt sich für die Vereinbarkeit von Familie und Beruf ein. Schwerbehinderte Bewerberinnen und Bewerber werden bei im Wesentlichen gleicher Eignung vorrangig berücksichtigt.



The Catholic University of Eichstätt-Ingolstadt (KU) is a non-state university under church sponsorship, recognized by the Free State of Bavaria. We are distinguished by excellent research, international orientation, outstanding teaching, and ideal study conditions. With eight faculties, we offer a wide range of academic disciplines to our 5,000 students. We employ 900 staff members of various religious and ideological backgrounds. Based on a Christian view of humanity, KU is a committed university that promotes a culture of academic and educational responsibility.



The research group Reliable Machine Learning at the KU Eichstätt-Ingolstadt is seeking highly motivated candidates for a part-time position (75%) at the next possible date as a

PhD Student (m/f/d)

=======================

with contract duration of 3 years. The place of work will be in Ingolstadt. The salary is prescribed by the framework of the collective agreement (TV-L), Level 13 (75%).


The research group Reliable Machine Learning (headed by Prof. Felix Voigtlaender) is part of the Mathematical Institute for Machine Learning and Data Science (MIDS) at the KU Eichstätt-Ingolstadt and is funded by the High-Tech Agenda of Bavaria. The advertised position is funded via the Emmy Noether project “Stability and Solvability in Deep Learning”. This project focuses on mathematically analyzing machine learning algorithms with a particular focus on questions of stability, computability, and robustness of methods from Deep Learning.

Your tasks

--------------

Contribution to the research project “Stability and Solvability in Deep Learning”, where your research will be a part of your dissertation Knowledge transfer via publications and via participation in conferences

Your profile

----------------

Master's degree (or equivalent degree) in mathematics, preferably with a focus on one of the following topics:

o Machine learning


o (High-dimensional) probability theory


o Real and functional analysis


o Information-based complexity


The master's degree may still be in the process of completion at the time of application, but the degree must be completed at the start of the position.
Interest in mathematical analysis of machine learning algorithms Practical experience in programming and machine learning (desirable but not mandatory) German language skills are not required, but candidates are encouraged to develop those during their employment at the KU.

Our offer

-------------

Possibility to pursue own research interests and obtain a PhD in mathematics Attractive and team-oriented workplace in a modern university environment Interesting, responsible, and versatile range of tasks International contacts

Are you interested? Then we look forward to receiving your application!

---------------------------------------------------------------------------

Please send your application as a single PDF file containing the following:


Cover letter CV List of publications (if any) (Scanned) Certificates of academic degrees (BSc, MSc, etc.), including courses taken and grades Electronic copy of (or the current draft of) the master’s thesis (The master's degree may still be in the process of completion at the time of application, but the degree must be completed at the start of the position.) Letter of recommendation
via e-mail by January 15, 2026 to Prof. Dr. Felix Voigtlaender at bewerbung@ku.de .


Application documents submitted will be deleted after completion of the recruitment process in compliance with data protection regulations.


All employees are obliged to acknowledge the nature and mission of the KU as stipulated in its Mission Statement and Foundation Charter. The University is therefore interested in receiving applications with relevant information in this regard. There are no specific denominational require-ments for being employed at the KU.


The KU is committed to promoting equal opportunities for men and women, and aims to ensure that its members are able to balance work and family life. Candidates with severe disabilities who are equally suitable to other applicants will be prioritized.