AI Researcher

Über Forgis

Forgis AG ist ein Deep-Tech Startup mit Sitz in Schlieren (ZH), affiliiert mit dem ETH AI Center. Wir entwickeln ein Industrial World Model - das «Gehirn der modernen Fabrik»: eine Plattform, die Maschinen, Steuerungen (PLCs) und Roboter herstellerübergreifend verbindet. Finanziert durch ein von redalpine geführtes Pre-Seed. Aktuell 5 akzeptierte Publikationen bei der ICML 2026 (inkl. Spotlight).

Deine Rolle

In dieser Position verantwortest du unsere Forschungsagenda rund um self-supervised Representation Models und World Models für industrielle Systeme. Du treibst fundamentale, ambitionierte Forschung voran – von physically grounded architectures bis zu neuen Paradigmen im Representation Learning, in enger Zusammenarbeit mit ETH, Oxford und Imperial College.

Aufgabensbereiche

• Du erforschst self-supervised und JEPA-artige Representation Models (HEPA-Familie) für industrielle Zeitreihen und multimodale Sensordaten.
• Du entwickelst physically grounded inductive biases, causal grounding, long-horizon stability, conservation of information, als Alternative zu rein generativen oder VLA-basierten Ansätzen.
• Du entwickelst Modelle für Anomaly Detection und Predictive Maintenance über Maschinen und Hersteller hinweg und treibst sie konsequent Richtung World Models weiter.
• Du überführst fragmentierte Einzelmodelle in ein machine-agnostic foundation model (edge encoders → zentrales Server-Modell).
• Du sorgst für effiziente Inferenz on edge und skalierst unsere Pretraining Pipelines auf dem Industriekorpus.
• Du publizierst auf Spitzenkonferenzen und baust unsere wissenschaftliche Reputation auf.

Anforderungen

• Doktorat in ML, CS, Robotik oder Physik.
• Nachgewiesener Track Record in Self-supervised Learning, Representation Learning, Anomaly Detection oder Timeseries Modeling; Interesse an World Models von Vorteil.
• Sicherer Umgang mit PyTorch und Large-scale Training.
• Von Vorteil: fast ML inference (FPGA/hls4ml), Datenkompressionsalgorithmen und Edge Deployment.
• Eigenständige, hands-on Arbeitsweise im Startup-Umfeld; sehr gute Englischkenntnisse (Arbeitssprache).