Der Betrieb komplexer IT-Infrastrukturen ist ein Schlüssel zur Bereitstellung ständig verfügbarer Dienste für datengesteuerte und KI-Anwendungen in der realen Welt. Um diesen Anforderungen gerecht zu werden, hat die Forschungsgemeinschaft in letzter Zeit große Anstrengungen auf dem Gebiet der künstlichen Intelligenz für den IT-Betrieb (AlOps) unternommen. AlOps bezieht sich auf mehrschichtige Technologieplattformen, die den IT-Betrieb automatisieren und verbessern, indem sie Datenanalysen und maschinelles Lernen nutzen, um große Datenmengen zu analysieren, die von verschiedenen IT-Tools und -Geräten gesammelt werden, um Probleme automatisch und in Echtzeit zu erkennen und darauf zu reagieren. Zu den Beobachtungsdaten gehören Protokolle, Metriken von Überwachungstools und Spuren von angewandter Systemsoftware.
Ziel der Arbeit ist die Erforschung und Entwicklung von AlOps-Methoden auf der Grundlage von Werkzeugen der künstlichen Intelligenz und Ansätzen des maschinellen Lernens für die heterogenen Beobachtungsdaten. Das angestrebte Ergebnis sind kontinuierliche Erkenntnisse, die durch die Implementierung von Automatisierung zu kontinuierlichen Verbesserungen führen können. Wir konzentrieren uns auf die folgenden Themen:
Datengenerierung, Datendarstellung, Erkennung von Anomalien anhand von Metrik-und Zeitreihendaten, Korrelation von Alarmen, Ursachenanalyse, Erkennung von Wolkentopologien, Visualisierung, Erklärung und datengesteuerte Entscheidungsunterstützung.
All dies führt zur Entwicklung eines Prototyps, der mit dem bestehenden Open-Source-System getestet wird. Weitere Experimente und Bewertungen werden anhand von Testszenarien aus experimentellen und Produktionsdaten durchgeführt.
Möglichkeit der Anfertigung einer Doktorarbeit.

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) der Informatik mit Spezialisierung in IT Operations
• Erfahrung mit maschinellem Lernen, insbesondere mit der Erkennung von Anomalien und der Analyse von Fehlerursachen
• Erfahrung in der Verwaltung und dem Einsatz von verteilten Betriebssystemen (z.B. OpenStack)
• Erfahrung mit Fehlertoleranztechniken
• Kenntnisse im Aufbau und Betrieb von Containern (z. B. Singularity, Docker)
• Erfahrung im Schreiben und Veröffentlichen von wissenschaftlichen Arbeiten
• Erfahrung mit TensorFlow und PyTorch
• Gute Deutsch- und/oder Englischkenntnisse sind erforderlich; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben

Wünschenswert:

• Interesse an der Systementwicklung und dem Betrieb großer Softwarearchitekturen sowie Begeisterung für die Umsetzung aktueller Forschungsergebnisse in die Praxis
• Vertrautheit mit der Arbeit mit Methoden und Methodiken aus der Anomalieerkennung
• Erfahrung und Interesse an den Themen selbstüberwachtes, unüberwachtes und halbüberwachtes maschinelles Lernen, Anomalieerkennung, kausale Inferenz und Fehlertoleranz
• Frühere Erfahrungen in der Arbeit mit großen Cloud- und Cluster-Infrastrukturen sind von Vorteil.
• Erfahrung in der Entwicklung zugänglicher Technologien
• Erfahrung und Interesse an Projektmanagement und agilen Entwicklungsmethoden sind von Vorteil

Ihre schriftliche Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Unterlagen (Lebenslauf, Notenliste, ggf. Nachweise von Sprachkenntnissen) an die Technische Universität Berlin, Herrn Prof. Odej Kao: odej.kao@tu-berlin.de.

Mit der Abgabe einer Online­be­wer­bung geben Sie als Bewer­ber*in Ihr Ein­ver­ständ­nis, dass Ihre Daten elek­tro­nisch ver­ar­bei­tet und gespei­chert wer­den. Wir wei­sen dar­auf hin, dass bei unge­schütz­ter Über­sen­dung Ihrer Bewer­bung auf elek­tro­ni­schem Wege keine Gewähr für die Sicher­heit über­mit­tel­ter per­sön­li­cher Daten über­nom­men wer­den kann. Daten­schutz­recht­li­che Hin­weise zur Ver­ar­bei­tung Ihrer Daten gem. DSGVO fin­den Sie auf der Web­seite der Per­so­nal­ab­tei­lung: https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ oder Direkt­zu­gang: 214041.

Zur Wah­rung der Chan­cen­gleich­heit zwi­schen Frauen und Män­nern sind Bewer­bun­gen von Frauen mit der jewei­li­gen Qua­li­fi­ka­tion aus­drück­lich erwünscht. Schwer­be­hin­derte wer­den bei glei­cher Eig­nung bevor­zugt berück­sich­tigt. Die TU Ber­lin schätzt die Viel­falt ihrer Mit­glie­der und ver­folgt die Ziele der Chan­cen­gleich­heit. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.

Tech­ni­sche Uni­ver­si­tät Ber­lin - Die Prä­si­den­tin - Insti­tut für Tele­kom­mu­ni­ka­ti­ons­sys­teme, FG Dis­tri­bu­ted and Ope­ra­ting Sys­tems, Prof. Dr. Odej Kao, Sekr. TEL 12-5, Ernst-Reu­ter-Platz 7, 10587 Ber­lin