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

Das Karlsruher Institut für Technologie (KIT) – Die Universität in der Helmholtz-Gemeinschaft
Im Dialog mit der Gesellschaft entwickelt das KIT Lösungen für große Heraus­forderungen – von Klimawandel, Energiewende und nachhaltigem Umgang mit natürlichen Ressourcen bis hin zu Künstlicher Intelligenz, technologischer Souveränität und demografischem Wandel. Als Die Universität in der Helmholtz-Gemeinschaft vereint das KIT wissenschaftliche Exzellenz vom Erkenntnisgewinn bis zur Anwendungsorientierung unter einem Dach – und ist damit in einer einzig­artigen Position, diese Transformation voranzutreiben. Damit bietet das KIT als Exzellenzuniversität seinen mehr als 10 000 Mitarbeitenden sowie seinen 22 800 Studierenden herausragende Möglichkeiten, eine nachhaltige und resiliente Zukunft zu gestalten.
KIT – Science for Impact.

Wir suchen für das Laboratorium für Applikationen der Synchrotronstrahlung (LAS) ab sofort befristet für 3 Jahre eine/einen

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

Systementwicklung für datenintensive 3D-Bildrekonstruktion und -analyse

Das neue Projekt MorphoSphere entwickelt eine fortschrittliche Daten­mana­gement-Architektur für die verteilte, intelligente und interaktive Speicherung sowie Analyse großer 3D-tomographischer Datensätze. Es integriert Groß­forschungs­bild­gebungs­anlagen (PETRA III bei DESY, KIT Light Source), Hochleistungsrechen- und Dateninfrastrukturen bei DESY, KIT und der Universität Heidelberg sowie verschiedene wissenschaftliche Communities. Ziel ist es, Datentransfer, -verarbeitung und -visualisierung zu optimieren und dadurch wissenschaftliche Entdeckungen in unterschiedlichen Forschungsbereichen zu beschleunigen.

Das exponentielle Wachstum der Bildgebungsdaten an Groß­forschungs­anlagen wie Synchrotronen stellt erhebliche Herausforderungen hinsichtlich Daten­handhabung, -analyse und -zugänglichkeit dar. Traditionelle Methoden sind häufig nicht in der Lage, Datensätze im Petabyte-Bereich effizient zu verarbeiten, was die Gewinnung aussagekräftiger Erkenntnisse aus komplexen 3D-Experimenten einschränkt. MorphoSphere begegnet dieser Herausforderung durch die Kombination von verteiltem Rechnen, Datenföderation und künstlicher Intelligenz, um interaktive, skalierbare und intelligente Analyse-Workflows zu ermöglichen. Dieser Ansatz spiegelt den allgemeinen Wandel hin zu datengetriebenen Forschungsinfrastrukturen wider, die Hochleistungsrechnen mit maschinellem Lernen verbinden und interdisziplinäre Zusammenarbeit sowie offene Datenpraktiken fördern.