Akademische Mitarbeiterin / Akademischer Mitarbeiter (w/m/d) - Informatik, Mathematik

Als „Die Universität in der Helmholtz-Gemeinschaft“ schafft und ver­mittelt das Karlsruher Institut für Technologie (KIT) Wissen für Gesellschaft und Umwelt. Ziel ist es, zu den globalen Herausforderungen maßgebliche Beiträge in den Feldern Energie, Mobilität und Information zu leisten. Daran arbeiten am KIT rund 10.000 Mitarbeiterinnen und Mitarbeiter auf einer breiten disziplinären Basis in Forschung, Lehre und Innovation zusammen.

Wir suchen für das Laboratorium für Applikationen der Synchrotronstrahlung (LAS) zum 01.03.2026, befristet auf 3 Jahre, eine / einen

Akademische Mitarbeiterin / Akademischer Mitarbeiter (w/m/d) Informatik, Mathematik

Systementwicklung für großflächige 3D-Bildrekonstruktion und -analyse

Das neue MorphoSphere-Projekt entwickelt eine fortschrittliche Daten­management­architektur für die verteilte, intelligente und interaktive Speicherung und Analyse großer 3D-Tomographie-Datensätze. Es integriert groß angelegte Bildgebungsanlagen, Hochleistungsrechner, Datenzentren und wissenschaftliche Gemeinschaften, um die Datenübertragung, -verarbeitung und -visualisierung zu optimieren und damit wissenschaftliche Entdeckungen in verschiedenen Forschungsbereichen zu beschleunigen. Das exponentielle Wachstum der Bilddaten in großen Bildgebungsanlagen wie Synchrotrons hat zu großen Herausforderungen bei der Datenverarbeitung, -analyse und -zugänglichkeit geführt. Herkömmliche Methoden haben Schwierigkeiten, Datensätze im Petabyte-Bereich effizient zu verarbeiten, was die Fähigkeit der Forscher*innen einschränkt, aus komplexen 3D-Bildgebungsexperimenten aussagekräftige Erkenntnisse zu gewinnen. MorphoSphere begegnet dieser Herausforderung durch die Zusammenführung von verteiltem Rechnen, Datenverbund und künstlicher Intelligenz, um interaktive, skalierbare und intelligente Analyse-Workflows zu ermöglichen. Dieser Ansatz spiegelt einen breiteren Wandel in der wissenschaftlichen Forschung hin zu datenzentrierten Infrastrukturen wider, die Hochleistungsrechnen mit maschinellem Lernen integrieren und so die inter­disziplinäre Zusammenarbeit und offene Datenpraktiken zwischen verschiedenen wissenschaftlichen Gemeinschaften fördern.

JBSD_DE