PhD-stipendium i energi-effektiv agentisk AI: Måling af hvornår AI er værd sin energi -DEIS

PhD-stipendium i energi-effektiv agentisk AI: Måling af, hvornår AI er værd sin energi Ved Teknisk Fakultet for IT og Design, Afdelingen for Datalogi ved Aalborg Universitet indbydes ansøgninger til et PhD-stipendium i måling og reduktion af energiforbruget ved agentisk AI. Stipendiet er åbent for tiltrædelse fra 1. marts 2027 eller i nærheden herefter. Varigheden af stillingen er tre år.

Stillingen er en del af projektet Energi, Suveræne og Ansvarlig Brug af Agentisk AI, finansieret af Danmarks frie Forskningsråd (DFF) under dets tematiske program for kunstig intelligens. Projektet er et samarbejde mellem Datalogi og Aalborg Universitet School of Business. En anden PhD-studerende, ansat ved School of Business, undersøger hvordan organisationer beslutninger om, styrer og opretholder deres brug af AI; de to PhD-studerende bliver trænet sammen som et parkohorte.

Dine arbejdsopgaver Hver gang der kaldes en stor sprogmodel bruges der energi, og en AI-agent kalder en model mange gange for at færdiggøre en enkelt opgave: den planlægger, bruger værktøjer, forsøger igen og tjekker sine egne resultater. Tidlige målinger tyder på, at agentisk kodning bruger omkring 1000 gange flere tokens end almindelig chat, og at en stor del af energien går til mislykkede og gentagne trin. Efterhånden som organisationer bevæger sig fra chat til agenter, bliver AI en løbende driftsomkostning pr. opgave i stedet for en fast baggrundsomkostning.

Projektet Energi, Suveræne og Ansvarlig Brug af Agentisk AI undersøger, hvornår brugen af AI er værd sin energikostnad, og hvem der er i stand til at bedømme det. PhD-stipendiet dækker den tekniske side af projektet. Du vil opbygge evidensgrundlaget: hvor meget energi agentisk AI faktisk bruger per gennemført opgave, og under hvilke betingelser billigere alternativer gør det samme arbejde.

En central sammenligning er mellem at kalde en agent hver gang en opgave opstår og at have AI generere konventionel, deterministisk software én gang. Genereret software koster energi at producere men næsten ingenting at køre; en agentindkaldelse koster det samme hver gang. Projektet søger at måle break-even-punktet mellem de to, og hvordan det afhænger af modellen, rammeværket og stabiliteten af opgaven.

Inden for dette ramme udvikler du dit eget ph.d.-projekt. Indikative spørgsmål inkluderer

• Hvor meget energi forbruger LLM- og agentisk-kodningsbelastninger per vellykket opgave, for grænse modeller og for små, åbne-vægt modeller, og hvordan fordeles energien mellem planlægning, forsøg og fejlede trin?
• Hvornår er det energi-rasjonelt at kalde en model eller agent ved kørsel, og hvornår er det bedre at generere et deterministisk program én gang? Hvor ligger break-even i praksis?
• Hvordan forskellige DevOps-praksisser gavner eller straffer energikostnaden ved at køre agenterne?
• Hvor meget reducerer tryk-cache, model-kaskader, routing af små modeller og distillation energien per vellykket opgave, og til hvilken omkostning i kvalitet?
• Hvordan kan energiforbruget for modeller, der kun tilgås via API, estimeres pålideligt og valideres mod direkte målinger på lokal hardware?
• Hvordan påvirkes energikostnaden og stabiliteten af AI-baserede systemer over tid af ændringer i udbyderes modeller, og hvor bærbare er agentopsætninger på tværs af udbydere?

Arbejdet er eksperimentelt. Du vil køre agent-rammeværk på kuraterede opgave-sæt og måle energi direkte på hardware (for eksempel Intel RAPL, præstations-tællere og rack-niveau strømmålere) for lokalt kørte modeller. For grænse-modeller vil du udvikle og validere telemetri- og FLOP-baserede estimater. Du vil få adgang til energimåletestbænkene og værktøjerne udviklet i ITEA4-projekterne GreenCode og MAST, til on-premise GPU/CPU-infrastruktur og AAU's CLAAUDIA-sky og HPC-tjenester.

PhD-projektet gennemføres i tæt samarbejde med samfundsvidenskabens forskere ved Business School. Dine målinger informerer deres undersøgelse af, hvordan organisationer beslutter om, indkøber og opretholder AI, og deres resultater hjælper med at rammesætte, hvilke sammenligninger der er relevante. Du vil deltage i fælles projekt-seminarer, foretage en kort secondment i den organisatoriske arbejdspakke og bidrage til piloter med danske offentlige og private organisationer, trukket på GreenCode- og MAST- industripartnere.

Projektet følger Open-Science-praksis: protokoller forudregistreres, nul- og negative resultater rapporteres, og måle-harnessen og benchmarks udgives som open source og bidrages til fællesskabs-indsatser som Hugging Face AI Energy Score.

Som PhD-studerende vil du gennemføre PhD-kurser, få erfaring med undervisning eller andre former for formidling af viden og deltage i forskningsmiljøet ved Datalogi. Du vil offentliggøre din forskning ved internationale konferencer og tidsskrifter inden for softwareudvikling og bæredygtig beregning, såsom HotCarbon, ICSE, FSE, MSR, IEEE Transactions on Software Engineering og Empirical Software Engineering.

Din kompetencer Du har en kandidatgrad i datalogi eller softwareingeniørvidenskab eller et tilsvarende felt.

Vi søger en kandidat med en stærk interesse for effektivitet og bæredygtighed i beregningssystemer, som nyder at designe omhyggelige eksperimenter og ønsker at finde ud af, hvad AI-systemer faktisk koster, når de kører. Du bør også være nysgerrig omkring, hvordan organisationer bruger AI, og være villig til at arbejde tæt sammen med samfundsvidenskab. Vi er særligt interesserede i kandidater, der kan formulere et klart, originalt og gennemførligt forskningsproblem og fremlægge en realistisk plan for de nødvendige eksperimenter for at adressere det.

Solid programmeringsfærdigheder (f.eks. Python) og erfaring med Linux-baserede systemer forventes. Erfaring med en eller flere af følgende områder er en fordel: LLM'er og agentrammeværk, energi- eller ydeevnemåling, benchmarking, empirisk software engineering, distribuerede eller indlejrede systemer og GPU- eller HPC-miljøer. Du kommunikerer tydeligt på engelsk. Dansk er ikke et krav. Læs mere her :

Kvalifikationskrav

PhD-stipends tildeles enkeltpersoner, der har en kandidatgrad. PhD-stipends er normalt for en periode på 3 år. Det er et forudsætning for tildeling af stipendet, at kandidaten bliver indskrevet som PhD-studerende ved Det Tekniske Ph.d.-skole for IT og Design i overensstemmelse med reglerne i Ministerialorden nr. 872 af 6. oktober 2026 om PhD-forløbet ved universiteter og visse højere kunstneriske uddannelsesinstitutioner.

Ifølge ministerialordren skal ph.d.-studerendes fremskridt vurderes ved regelmæssige tidspunkter. Som led i ph.d.-studiet er du blandt andet forpligtet til at gennemføre ph.d.-kurser svarende til 30 ECTS, opnå erfaring med undervisning eller andre former for formidling af viden og gennemføre et udenlandsk forskningsophold uden for Aalborg Universitet, gerne 3-6 måneder ved en udenlandsk forskningsinstitution.

Hvem vi er

PhD-studerende vil være tilknyttet forskningsgruppen Distributed Sustainable Software and Systems (DSSS) i afdelingen for Distributed, Embedded and Intelligent Systems (DEIS) ved Datalogi, Aalborg Universitet, og blive superviseret af lektor Michele Albano, med lektor Roman Jurowetzki (AAU Business School) som medvejleder på ansvars-brugen-siden af projektet.

Gruppen arbejder med energieffektive distribuerede og indlejrede software og systemer og koordinerer forskning og industriel samarbejde i ITEA4-konsortierne GreenCode (21 internationale partnere) og MAST (8 internationale partnere). I opstartsfasen vil ph.d.-studerende også arbejde sammen med en postdoktor med erfaring i agentisk softwareudvikling.

I Datalogi er Aalborg Universitet kendt verden over for sin høje faglige kvalitet og samfundsmæssige indflydelse. Datalogi beskæftiger mere end 170 personer, hvoraf omkring 53 er PhD-studerende, og omkring 47% af alle medarbejdere er udlændinge. I alt har det mere end 1200 studerende i sine BSc- og MSc-programmer, som er baseret på AAU's problembaserede læringsmodel.

Instituttet udnytter sin unikke forskningsinfrastruktur og laboratoriefaciliteter til at gennemføre verdensførende grundforskning og anvendt forskning inden for bæredygtig beregning, verifikation og modellkigning, indelejrede og cyber-fysiske systemer, datatunge systemer, AI, planlægning, netværk, programmeringsteori og sikkerhed. Ansøgninger spænder over områder som energi, transport, sundhed og vand.

Instituttet spiller en aktiv rolle i at overføre opfindelser og resultater til anvendelser i tæt samarbejde med industrielle partnere verden over. Datalogi ligger på Selma Lagerløfs Vej i Aalborg. Inden for dette projekt arbejder gruppen sammen med Innovation, Knowledge and Economic Dynamics (IKE) ved Aalborg Universitet Business School og dets del i Nationalt Center for AI i Samfundet (CAISA).

Hvordan man ansøger

Din ansøgning skal indeholde følgende

• Ansøgning, der angiver årsag til ansøgning og kvalifikationer i relation til stillingen
• Curriculum Vitae (CV)
• Diplomer (bachelor- og kandidatgrad, inklusive karakterer)
• Projektbeskrivelse
• Ansøgere bedes indsende, sammen med deres ansøgningsdiler, en én-sides erklæring, der angiver deres vision for forskning i relation til de ovenfor beskrevne projektområder
• Liste over skriftligt arbejde (valgfrit)
• To referencer, der informerer om ansøgerens personlighed og faglige formåen (valgfrit)
• Ansøgere, der ikke har engelsk som første sprog og som ikke har gennemført et engelsk sprogbaseret kandidat-/masterprogram (eller en tilsvarende uddannelsesmæssig præstation på engelsk) skal fremlægge dokumentation for, at de har bestået en af følgende officielle tests med den pågældende minimumsscore: IELTS (bandscore): 7, TOEFL (papierversion): 600, TOEFL (internetversion): 100. Sprogtesten må højst være fem år gammel på ansøgningstidspunktet.
• Andre relevante dokumenter

Ansøgningen skal indsendes via Aalborg Universitets rekrutteringssystem, som kan tilgås under jobannonce på Aalborg Universitets hjemmeside.

Aalborg Universitet ønsker at afspejle det omkringliggende samfund og har mangfoldighed som en kerneværdi. Derfor opfordres alle, uanset personlig baggrund og orientering, til at ansøge stillingen.

Har du spørgsmål?

Hvis du har spørgsmål om stillingen, er du meget velkommen til at kontakte os. Du finder kontaktpersoner i bunden af jobopslaget.

Yderligere information

Læs mere om vores rekrutteringsproces her.

Vurderingen af kandidater til stillingen vil blive udført af kvalificerede eksperter.

Udvælgelsen vil blive anvendt. Det betyder, at efter ansøgningsfristen vil institutchef, med bistand fra ansættelsesudvalget, udvælge ansøgerne til vurdering. Alle ansøgere vil blive informeret om, hvorvidt de er blevet udpeget til vurdering eller ej.

Ansættelsesprocessen ved Aalborg Universitet kan omfatte en risikovurdering som et værktøj til at identificere potentielle risici forbundet med nyansatte, hvilket sikrer arbejdsmiljøets sikkerhed, overholdelse og integritet.

Læs mere om Det Tekniske Ph.d.-skole for IT og Design

Løn- og ansættelsesvilkår

Stillingen er i overensstemmelse med ministerialordenen om tilrettelægning af akademiske medarbejdere ved universiteter og ministeriel orden om stillingsstruktur for akademiske medarbejdere ved universiteter. Endvidere er dine ansættelsesforhold og løn i overensstemmelse med overenskomsten mellem 8. forskning og staten (AC-overenskomsten).

Du kan finde oplysninger om løn og lønstruktur for stillingen i Lønoversigt for rekruttering - videnskabelige stillinger (VIP ). Henvis venligst til indledningen på siden og afsnittet med titlen “PhD Fellow”.

Der er en gensidig prøvetid på 3 måneder for stillingen.

Aalborg Universitet - Knowledge for the world

Aalborg Universitet er en international arbejdsplads med mere end 3.700 ansatte. Vi tilbyder praksisnær uddannelse og skaber forskning i verdensklasse gennem samarbejde mellem forskere, studerende samt offentlige og private virksomheder. På denne måde opnår vi indsigt, nye løsninger på samfundsmæssige problemer og viden, der forandrer verden. Vores hovedcampus ligger i Aalborg, men vi har også campusser i Esbjerg og København.