Werkstudent ML Research Engineering (m/w/d)

Über IonKon

IonKon ist ein Deep-Tech-Startup aus Sachsen-Anhalt. Wir entwickeln neuartige KI-Architekturen jenseits klassischer Transformer-Ansätze – mit Fokus auf effizientere, ressourcenschonendere und wirtschaftlich skalierbare KI-Systeme.

Unsere Arbeit liegt an der Schnittstelle von Modellarchitektur, State-Space-Modellen, effizienter Attention, Quantisierung, Inferenzoptimierung und speichereffizientem Modelldesign. Ziel ist nicht bloß größere Skalierung, sondern ein besseres Verhältnis aus Rechenaufwand, Speicherbedarf, Qualität und praktischem Nutzen.

Die zugrunde liegenden technischen Ansätze sind teilweise durch eigene Schutzrechtsanmeldungen abgesichert.

Deine Rolle

Du unterstützt uns bei der technischen Umsetzung, Prüfung und Weiterentwicklung neuer KI-Architekturen. Die grundlegende Forschungsrichtung entsteht intern bei IonKon; innerhalb dieses Rahmens arbeitest du fachlich eigenständig, kritisch und lösungsorientiert.

Deine Aufgabe ist es, Architekturideen in saubere PyTorch-Implementierungen, reproduzierbare Experimente und belastbare Vergleichswerte zu überführen. Dabei geht es nicht nur darum, Code „zum Laufen zu bringen“, sondern zu prüfen, ob ein Experiment fachlich korrekt aufgebaut ist, ob die Metriken aussagekräftig sind und ob die Implementierung tatsächlich die zugrunde liegende Hypothese testet.

Wir nutzen moderne KI-Werkzeuge zur Entwicklungsbeschleunigung. Entscheidend ist, dass du erzeugten Code verstehen, kontrollieren, verbessern und in ein belastbares technisches Setup überführen kannst.

Deine Aufgaben

Du unterstützt uns insbesondere bei:

• Umsetzung neuer Modell- und Architekturideen in PyTorch

• Aufbau kleiner, klar testbarer Modellkomponenten und Experimente

• Vergleich neuer Ansätze mit einfachen, nachvollziehbaren Baselines

• Analyse von Trainingsverhalten, Modellfehlern und Inferenzkosten

• Debugging, Testing und Verbesserung von KI-generiertem oder eigenem Code

• Aufbau reproduzierbarer Trainings- und Evaluierungsabläufe

• technische Dokumentation von Ergebnissen, Fehlerbildern und Schlussfolgerungen

• Einbringen eigener technischer Vorschläge innerhalb unserer Forschungsrichtung

Je nach Erfahrung kannst du später stärker in Performance-Optimierung, Triton/CUDA, Inferenzbeschleunigung oder eigene Architekturvarianten hineinwachsen.

Dein Profil

Du passt gut zu uns, wenn du:

• Informatik, Mathematik, Physik, Data Science oder ein verwandtes Fach studierst

• gute PyTorch-Kenntnisse hast oder dich sehr schnell tief einarbeiten kannst

• mathematisch sauber denkst und Modellkomponenten wirklich verstehen willst

• Code kritisch lesen, testen und verbessern kannst

• Interesse an KI-Architekturen jenseits des Standard-Transformer-Stacks hast

• sorgfältig, strukturiert und nachvollziehbar dokumentierst

• bereit bist, dich in ungewohnte technische Konzepte einzuarbeiten

• technische Inhalte auf Deutsch und Englisch mindestens auf B1-Niveau verstehen und kommunizieren kannst

Ein Masterstudium ist ein Plus, aber keine Voraussetzung. Starke Bachelorprofile, eigene Projekte, Open-Source-Erfahrung oder private Experimente sind ausdrücklich willkommen.

Nice to have

• Erfahrung mit Trainings- und Evaluierungsloops

• Erfahrung mit CUDA, Triton oder Performance-Optimierung

• eigene ML-/KI-Projekte

• Open-Source-Beiträge

• Interesse an Quantisierung, State-Space-Modellen, effizienter Attention oder alternativen Trainingsverfahren

Was wir bieten

• Arbeit an neuartigen KI-Architekturen statt Routineaufgaben

• direkte Zusammenarbeit mit der Geschäftsführung

• inhaltliche Verantwortung

• fachlicher Handlungsspielraum innerhalb einer klaren Forschungsrichtung

• moderne Hardware-Ausstattung inklusive leistungsfähigem Laptop sowie Server-/Cloud-Compute für größere Trainingsläufe

• faire, branchenübliche Vergütung

• Remote-first mit flexiblen Arbeitszeiten, abgestimmt auf dein Studium

• langfristige Perspektive bei erfolgreicher Zusammenarbeit

• Möglichkeit zu wissenschaftlicher Sichtbarkeit und Erfinderbenennung bei entsprechendem fachlichem Beitrag

Interesse?

Dann schick uns ein paar Sätze zu dir, deinem technischen Hintergrund und – falls vorhanden – GitHub, Projekte, Paper oder sonstige Referenzen an:

[email protected]

Wir freuen uns auf Bewerbungen von Menschen, die KI nicht nur anwenden, sondern technisch verstehen, sauber implementieren und kritisch weiterentwickeln wollen.