Wissenschaftliche:r Angestellte:r – Kontinuierliches Lernen für LLMs (m/w/d)

Die Hochschule Esslingen sucht zum nächstmöglichen Zeitpunkt eine:n Wissenschaftliche:n Angestellte:n für die Fakultät Informatik und Informationstechnik am Campus Flandernstraße.

KI-basierte Tools wie Claude Code oder Codex verändern die Softwareentwicklung radikal, erzeugen aber oft Code mit versteckten Sicherheitslücken. Das Problem: Aktuelle Modelle verstehen meist die Syntax, aber nicht die tieferliegende Semantik von Schwachstellen. Im Projekt SMACKS (Schwachstellenmanagement von Anfälligkeiten im Code der KI-gestützten Softwareentwicklung) erforschen wir LLM-gestützte Technologien zur Generierung von sicherem Code in der Softwareentwicklung. SMACKS ist ein Gemeinschaftsprojekt des Instituts für Intelligente Systeme (IIS) und des Instituts für Sicherheit Vernetzter Systeme (ISVS) an der Schnittstelle zwischen maschinellem Lernen und IT-Sicherheit in der Fakultät für Informatik und Informationstechnik.

Im Rahmen dieses Projekts verstärken wir unser Team am Institut für Intelligente Systeme (IIS) mit Fokus auf kontinuierliches Lernen bei Large Language Models (LLMs). Wir suchen hierfür eine Persönlichkeit, die LLMs nicht nur anwendet, sondern deren Architektur und Training auf theoretischer und technischer Ebene durchdringt. Ihr Schwerpunkt liegt auf der Erforschung und Entwicklung von Methoden, mit denen Sprachmodelle fortlaufend neues Wissen über Schwachstellen erlernen können, ohne dabei bereits erlernte Fähigkeiten zu verlieren, um so die nachhaltige Generierung von sicherem Code zu gewährleisten.

Unsere Rahmenbedingungen:

• Eingruppierung erfolgt entsprechend der Aufgabenübertragung und persönlicher Voraussetzungen bis Entgeltgruppe 13 TV‑L
• Beschäftigungsumfang beträgt bis zu 100 %
• Die Stelle ist zunächst bis 31.03.2030 befristet
• Es besteht die Möglichkeit zur Promotion

Ihre Aufgaben:

• Erforschung und Entwicklung dynamischer Lernmethoden (z. B. Continual/Incremental Learning) zur kontinuierlichen Anpassung von LLMs an neu bekanntwerdende Schwachstellen.
• Untersuchung von Strategien zur Vermeidung von Catastrophic Forgetting bei der Modellanpassung.
• Erforschung skalierbarer Verfahren für große Code-Kontexte.
• Aufbau und Betrieb von Trainingspipelines auf einer GPU-Cluster Infrastruktur.
• Evaluation der Modelle auf Benchmarks sowie in realen Anwendungsszenarien kooperierender Industriepartner.
• Publikation und Präsentation der Forschungsergebnisse.

Ihr Profil:

• Hervorragender Masterabschluss in Informatik oder einem verwandten Bereich.
• Fundiertes theoretisches Verständnis von LLM-Architekturen und deren Grundlagen.
• Umfangreiche Erfahrung im Bereich Software-Engineering (Python, C++).
• Praktische Erfahrung im Training / Fine-Tuning von LLMs mit modernen ML-Toolchains.
• Idealerweise Kenntnisse in kontinuierlichem bzw. inkrementellem Lernen (Continual Learning).
• Interesse an der Schnittstelle zwischen generativer KI und IT-Sicherheit

Wir freuen uns auf Ihre Bewerbung bis zum 14.08.2026 über unser Online-Bewerbungsportal. Bitte geben Sie die Kennziffer IT/2613 an.

Die Hochschule Esslingen strebt in Bereichen, in denen Frauen unterrepräsentiert sind, die Erhöhung des Frauenanteils an und fordert daher qualifizierte Frauen ausdrücklich zur Bewerbung auf. Schwerbehinderte Personen werden bei entsprechender Eignung bevorzugt eingestellt. Die Teilung der Stelle ist bei entsprechender Bewerbungslage möglich. Die Hochschule Esslingen unterstützt ihre Beschäftigten mit zahlreichen Angeboten wie der Gesundheitsförderung, Personalentwicklung oder dem Jobticket. Um Familie und Beruf noch besser in Einklang zu bekommen, werden außerdem Maßnahmen im Rahmen der familiengerechten Hochschule® angeboten. Weitere Informationen erhalten Sie unter:

Die Informationen zur Erhebung von personenbezogenen Daten finden Sie hier: