Ziel des Projekts ist die Einrichtung eines interdisziplinären Forschungszentrums für Machine Learning an der Universität Mainz. Hier sollen Wechselwirkungen und Abhängigkeiten von verschiedenen Eigenschaften des Maschinellen Lernens analysiert und abgewogen werden. Untersucht werden Transparenz und Fairness von Daten und Algorithmen sowie Datenschutz und eine effiziente Nutzung von Ressourcen wie beispielsweise Strom.
Im Fokus stehen dabei konkurrierende Bedürfnisse, beispielsweise wie dezentral können Daten gespeichert und verarbeitet werden, um die Privatsphäre zu schützen, inwieweit wird dadurch die Transparenz von Algorithmen und Daten beeinflusst und welche Auswirkungen hat das auf den Energieverbrauch? Die verschiedenen Zielkonflikte werden identifiziert und charakterisiert, um tragfähige Kompromisse für die Anwendung zu schaffen. Ethische und rechtliche Aspekte sollen mitgedacht werden.
Das Forschungsprojekt ist für 6 Jahre angelegt und wird durch die Carl-Zeiss-Stiftung im Rahmen des Förderprogramms „Durchbrüche“ gefördert.
Eine weitere wichtige Maßnahme ist die Einrichtung einer Tenure-Track-Stiftungsprofessur auf dem Gebiet der vertrauenswürdigen KI.
Ein wichtiges Element in der Kommunikation innerhalb der Johannes Gutenberg-Universität, aber auch mit der Hochschule Mainz, mit externen Forschungsinstitutionen und der regionalen Wirtschaft sind regelmäßige Workshops, die gegen Ende eines jeden Projektjahrs durchgeführt werden sollen und die Entwicklung und Implementierung von vertrauenswürdigen KI-Methoden in Mainz vermitteln sollen.

Unsere Publikationen finden Sie unter https://topml.uni-mainz.de/publikationen/

Aktuelle Forschungen

Wilkommen

The Position (PhD)

We are looking for a person interested in pursuing a PhD in Computer Science and particularly at the intersection of machine learning and behavioral sciences and experimental methods. The position is funded 75 % at the EG 13 level for a duration of 3 years.

The supervising team will be Prof. Stefan Kramer from the Institute of Computer Science and Prof. Florian Hett from the Digital Economics group at the Faculty of Law, Business and Economics at JGU. Prof. Kevin Bauer from Goethe University Frankfurt and Hessian.AI is another collaborator of the project. The position is hosted by the group of Prof. Florian Hett.

Prof. Dr. Stefan Kramer is full professor of data mining at the Institute of Computer Science of JGU Mainz and was appointed AI Pilot of the state of Rhineland-Palatinate by prime minister Alexander Schweitzer in 2024. He is the spokesperson for the TOPML project.

Requirements & Application Procedure

The ideal candidate will have a Master’s degree in Computer Science, AI or another quantitative discipline, with prior experience in academic research during their undergraduate studies (e.g. will have pursued an experimental Bachelor and Master’s thesis). Solid skills in math and programming are required. Prior experience with behavioral sciences and experimental methods is desirable. Interdisciplinary curiosity is a prerequisite.

To apply, prepare the following:

  • An up to date curriculum vitae (3 pages max.),
  • A transcript of records of your grades at the Bachelor’s and Master’s level, 
  • A motivation letter (2 pages max.) detailing your prior experience with research and your interest in pursuing this specific project,
  • The contact of two (2) academic or industrial referees, to be included in the document above
  • Your Master’s thesis

Please submit this information, in one PDF file, via email topml-management@uni-mainz.de. (Only applications in one PDF file will be read.) Please use the subject line “Doctoral Student TOPML Project Application”.

Contact

Questions about the position and  the application procedure can be directed to Prof. Florian Hett

Es sind mehrere HiWi mit jeweils bis zu 8 Stunden pro Woche zu besetzen. Die Stellen sind im Forschungsprojekt „TOPML – Trading Off Non-Functional Properties of Machine Learning“, gefördert durch die Carl-Zeiss-Stiftung am Institut für Informatik verortet.

Im Projekt werden die Wechselwirkungen und Abhängigkeiten von verschiedenen Eigenschaften des Maschinellen Lernens analysiert und abgewogen.

Untersucht werden Transparenz und Fairness von Daten und Algorithmen sowie Datenschutz und eine effiziente Nutzung von Ressourcen wie beispielsweise Strom. Im Fokus stehen dabei konkurrierende Bedürfnisse, beispielsweise wie dezentral können Daten gespeichert und verarbeitet werden, um die Privatsphäre zu schützen, inwieweit wird dadurch die Transparenz von Algorithmen und Daten
beeinflusst und welche Auswirkungen hat das auf den
Energieverbrauch?
Das erwartet Sie:

  • aktuelle Forschung zu gesellschaftlich wichtigen und in der Wirtschaft stark nachgefragten Themen
  • starke Unterstützung während der Einarbeitungsphase und flexible Themenfindung
  • individuelle Betreuung
  • Möglichkeit die eigene Bachelor- oder Masterarbeit thematisch im Projekt anzusiedeln
  • direkte Einbindung in die einzelnen Teilprojekte (siehe https://topml.uni-mainz.de/research/)

Haben Sie Interesse oder Fragen? Dann schicken Sie uns eine formlose E-Mail/Teams Nachricht mit kurzer Auflistung Ihrer Interessen und Vorkenntnissen (z.B. besuchte Vorlesungen) oder besucht uns im Büro:

Transparency vs. Fairness (stempel@uni-mainz.de, office: Staudingerweg 9, 55128 Mainz, Room 03-623)

Transparency vs. Privacy (daan.apeldoorn@uni-mainz.de, office: IMBEI, Rhabanusstr. 3, Bonifaziusturm A, 55118 Mainz, Room 18.11)