Im Fachbereich Informatik der TU Darmstadt am Fachgebiet Verteilte und vernetzte Systeme (Teil der Systems@TUDa) ist zum nächstmöglichen Zeitpunkt eine Stelle als

Wiss. Mitarbeiter_in/Doktorand_in (w/m/d) in Decentralized Accelerators for Efficient Stream Processing

für zunächst drei Jahre befristet zu besetzen.

Viele aktuelle und neu entstehende Applikationen sind auf die Fähigkeit angewiesen, Daten zu verarbeiten, die von einer Vielzahl von Geräten erfasst wurden. Diese Applikationen beinhalten oft Daten, die außerhalb der Cloud von mit dem Internet der Dinge verbundenen Geräten, Sensoren und Infrastrukturen erzeugt und genutzt werden. Die Datenübertragung zu den Rechenressourcen in der Cloud ist ineffizient und führt zu langen und unvorhersehbaren Latenzen. Daher ist es wichtig, neue Ansätze zu entwickeln, die die Vorteile der Auslagerung von Rechenleistung bieten und gleichzeitig von Natur aus dezentraler sind, um die Verarbeitung von Datenströmen zwischen Sensoren und der Cloud anzugehen.

Unser Projekt schlägt ein neues Paradigma für die Datenverarbeitung zwischen Sensoren und der Cloud vor, und zwar durch den Einsatz von energieeffizienten Beschleunigern, die den Rechenaufwand drastisch reduzieren und gleichzeitig die Latenz und Skalierbarkeit für vernetzte Anwendungen verbessern. Wir konzentrieren uns auf die Verarbeitung von ereignisgesteuerten Datenströmen und adaptieren Ideen aus dem zunehmend beliebten bevorzugten Paradigma des Serverless Computing, welches sich gut auf verteilte Rechenressourcen übertragen lässt.

Wir nutzen FPGAs, die sich bei der Rechenbeschleunigung bewährt haben, um effizientes Computing mit geringer Latenz bei Bedarf zu ermöglichen und so neu entstehende, für zukünftige Städte typische Anwendungen zu unterstützen. Durch einen neuartigen Ansatz, bei dem diese Beschleuniger als verteilte Rechenressourcen verwaltet werden, ermöglichen wir eine effiziente On-Demand-Rechenauslagerung. Dadurch werden die Leistungs- und Effizienzvorteile von Beschleunigern, die sich normalerweise in der Cloud befinden, für bestehende und neue dezentrale Anwendungen nutzbar.

Folgende Qualifikationen sind erforderlich:

  • MSc in Informatik, Elektrotechnik oder einer vergleichbaren Fachrichtung verfügen (oder die_der Kandidat_in befindet sich im letzten Semester des MSc-Studiums und schließt dieses vor dem Einstellungstermin ab)
  • Erfahrung in der Programmierung verteilter Systeme
  • Erfahrung mit spezialisierten Hardwarebeschleunigern (idealerweise FPGAs) ist ein Vorteil
  • Früheres Praktikum oder Anstellung in relevanten Themenfeldern ist ein Vorteil

Gelegenheit zur Vorbereitung einer Promotion wird gegeben. Das Erbringen der Dienstleistung dient zugleich der wissenschaftlichen Qualifizierung.

Die Technische Universität Darmstadt strebt eine Erhöhung des Anteils der Frauen am Personal an und fordert deshalb besonders Frauen auf, sich zu bewerben. Bewerber_innen mit einem Grad der Behinderung von mindestens 50 oder diesen Gleichgestellte werden bei gleicher Eignung bevorzugt. Die Vergütung erfolgt nach dem Tarifvertrag für die Technische Universität Darmstadt (TV - TU Darmstadt). Teilzeitbeschäftigung ist grundsätzlich möglich.

Die Bewerbung soll in englischer Sprache verfasst sein und Folgendes enthalten: Ein Motivationsschreiben, das unabhängiges Denken, Neuheit und Originalität beweist; Nachweis des/der akademischen Abschlusses/der akademischen Grade; Notenübersichten, die herausragende Studienleistungen dokumentieren; Lebenslauf, der zwei Referenzen enthalten muss (Empfehlungsschreiben werden ggf. direkt bei den Referenzen angefordert), Bewerbungen können auch eine einschlägige wissenschaftliche Publikation der Bewerber_innen und/oder die Masterarbeit der Bewerber_innen enthalten.
Bewerbungen ohne die oben genannten Unterlagen werden nicht berücksichtigt.

Anfragen und Bewerbungen (mit Angabe der Kenn-Nummer) richten Sie bitte an Prof. Zsolt István (Zsolt.istvan@cs.tudarmstadt.de).

Mit dem Absenden Ihrer Bewerbung willigen Sie ein, dass Ihre Daten zum Zwecke des Stellenbesetzungsverfahrens gespeichert und verarbeitet werden. Sie finden unsere Datenschutzerklärung auf unserer Homepage.

Kenn-Nr. 13

Veröffentlicht am

06. Januar 2023

Bewerbungsfrist

17. Februar 2023