Stellenausschreibungen

An der Philosophischen Fakultät der Universität Tübingen ist am Philosophischen Seminar eine

Tenure-Track-Professur (W1) für Philosophie des Maschinellen Lernens in der Wissenschaft (m/w/d)

zum nächstmöglichen Zeitpunkt zu besetzen. 

Die Professur ist eingebettet in den Exzellenzcluster „Maschinelles Lernen: Neue Perspektiven für die Wissenschaft“. Von der Stelleninhaberin/dem Stelleninhaber wird erwartet, dass sie/er ein ausgewiesenes Forschungsprofil in einem Kerngebiet der Philosophie hat, und gleichzeitig ein ausgewiesenes Profil zu Forschungsfragen aus dem Umfeld des maschinellen Lernens bzw. der Künstlichen Intelligenz. Mögliche Kerngebiete der Philosophie liegen in der Praktischen Philosophie (z.B. in Normative Ethik, Handlungstheorie oder Politische Philosophie) oder der Theoretischen Philosophie (z.B. in Wissenschaftstheorie, Erkenntnistheorie oder Philosophie des Geistes). Beispiele für typische Kombinationen von Philosophie und maschinellem Lernen sind:  Kernbereich der Praktischen Philosophie und Ethik des maschinellen Lernens bzw. der Künstlichen Intelligenz; Kernbereich der Theoretischen Philosophie und Wissenschaftstheorie des maschinellen Lernens bzw. der Künstlichen Intelligenz (z.B. Erklärbarkeit und Vertrauen in algorithmische Entscheidungen).

Ziel der Professur ist, die Forschung im Philosophischen Seminar eng mit der Forschung im Bereich des maschinellen Lernens in Tübingen zu verbinden. Es wird erwartet, dass die Stelleninhaberin/der Stelleninhaber sich aktiv am Exzellenzcluster beteiligt. Das umfasst einerseits die Bereitschaft, gemeinsame Forschungsprojekte an der Schnittstelle zwischen dem maschinellen Lernen und der Philosophie durchzuführen, anderseits auch die Bereitschaft, an den anfallenden Aufgaben im Bereich der Organisation und Umsetzung des Exzellenzclusters mitzuwirken. Weitere Informationen zum Exzellenzcluster finden Sie auch unter https://uni-tuebingen.de/en/133840

In der Lehre wird erwartet, dass die Stelleninhaberin/der Stelleninhaber Lehrveranstaltungen am Philosophischen Seminar und möglicherweise auch im internationalen Master-Studiengang „Machine Learning“ des Fachbereiches Informatik anbietet.

Voraussetzungen für eine Berufung sind eine herausragende Dissertation einschlägiger Ausrichtung und international beachtete Publikationen in den oben genannten Bereichen. Drittmitteleinwerbungen sowie Erfahrungen in der Lehre sind von Vorteil. Es gelten die Einstellungsvoraussetzungen nach § 51 LHG. Eine erfolgte Habilitation ist ein Ausschlussgrund für eine erfolgreiche Bewerbung. Bewerberinnen und Bewerber auf diese Professur, die in Tübingen promoviert haben, sollen nach der Promotion die Universität gewechselt haben oder mindestens zwei Jahre außerhalb der Universität Tübingen wissenschaftlich tätig gewesen sein.

Die Besetzung erfolgt im Beamtenverhältnis auf Zeit, zunächst für vier Jahre. Eine Verlängerung um weitere zwei Jahre ist nach positiver Zwischenevaluation vorgesehen. Die Lehrverpflichtung beträgt zunächst vier, nach positiver Zwischenevaluation sechs Semesterwochenstunden. Die Besetzung der ausgeschriebenen Stelle ist mit Tenure-Track für die Berufung auf eine W3-Professur verbunden. Bei positiver Endevaluation erfolgt die Berufung auf eine W3-Stelle ohne erneute Ausschreibung in einem angemessen vereinfachten Berufungsverfahren.

Die konkreten Kriterien, die der Zwischen- und Endevaluation zugrunde gelegt werden, finden sich neben dem allgemeinen Qualitätssicherungskonzept unter folgendem Link: https://uni-tuebingen.de/de/12131.
Dort finden Sie auch Aussagen zur Stellenkategorie.

Die Universität Tübingen setzt sich für die Ziele der Gleichstellung und Diversität ein und fördert aktiv Chancengleichheit. Zur Erhöhung des Anteils von Frauen in Forschung und Lehre bitten wir qualifizierte Wissenschaftlerinnen nachdrücklich um ihre Bewerbung. Qualifizierte internationale Wissenschaftlerinnen und Wissenschaftler sind ausdrücklich aufgefordert, sich zu bewerben.

Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt berücksichtigt.

Bewerbungen mit den üblichen Unterlagen (Anschreiben, Lebenslauf und Darstellung des wissenschaftlichen Werdegangs, Kopien von Urkunden, Verzeichnis der Publikationen, Verzeichnis der Lehrerfahrung, Forschungs- und Lehrkonzept, Lehrevaluationen) sowie einer Auswahl einschlägiger Schriften (ggf. selbstverfasste Monographie(n) und bis zu fünf Aufsätze) sind bis zum 30.09.2026 ausschließlich über das Berufungsportal der Universität Tübingen (https://berufungen.uni-tuebingen.de) einzureichen. Rückfragen können an die Dekanin der Philosophischen Fakultät, Frau Prof. Dr. Angelika Zirker (berufungenspam prevention@philosophie.uni-tuebingen.de), gerichtet werden.

We invite applications for up to 

three PhD positions (TV-L E13, 75%, 3 years) 

within the interdisciplinary research project EXPRESSO (Extracting Probabilistic Representations in Exponential Quantum Spaces). The aim of the project is to develop machine learning methods to tackle the exponential complexity of quantum state, design, and model spaces to fundamentally improve the quality of quantum simulations and quantum hardware design. It is conducted in the framework of the Cluster of Excellence – Machine Learning for Science and run jointly by researchers from the Institute for Theoretical Physics, the Computer Science Department, and the AI Center at the University of Tübingen.

The PhD projects are:

• Probabilistic simulation and inference for quantum gases
• Simulation-guided model discovery via adaptive amortized inference
• Representation learning for optimization in exponential search spaces

All projects are tightly integrated and offer supervision across both physics and machine learning. The principal investigators of the EXPRESSO project are

Philipp Hennig (Probabilistic Numerics), philipp.hennigspam prevention@uni-tuebingen.de
Mario Krenn (Automated Experiment Discovery), mario.krennspam prevention@uni-tuebingen.de
Igor Lesanovsky (Quantum Many-Body Physics), igor.lesanovskyspam prevention@uni-tuebingen.de
Jakob Macke (Simulation-Based Inference), jakob.mackespam prevention@uni-tuebingen.de
Georg Martius (Optimisation & Representation Learning), georg.martiusspam prevention@uni-tuebingen.de

Candidates should hold a Master's degree in Physics, Computer Science, Mathematics, or a related field, and have strong mathematical foundations and programming skills. Prior experience in quantum mechanics, Bayesian methods, or deep learning is an advantage. Applicants are expected to demonstrate commitment to interdisciplinary and impactful research, including a willingness to build concrete software artifacts.

Applications are reviewed on a rolling basis. Early applications are strongly encouraged. The review period closes on 14 September 2026.

Please upload a CV, a short motivation letter and the names of two Referees here https://forms.gle/JLVdK2Vi8bmmjsu29. Also indicate your preferred project(s).