Jobangebot: Wissenschaftliche/r Mitarbeiter/in / Postdoc (w/m/d) Datengetriebene Werkstoffentwicklung - Koordination von Verbundprojekten

Über uns

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Informationen zur Erhebung personenbezogener Daten nach Artikeln 13 und 14 Datenschutz-Grundverordnung (DS-GVO) finden Sie unter https://www.rwth-aachen.de/dsgvo-information-bewerbung.

Anbieter

Lehrstuhl für Werkstofftechnik der Metalle und Institut für Eisenhüttenkunde

Unser Profil

Das Institut für Eisenhüttenkunde und der Lehrstuhl für Werkstofftechnik der Metalle führen Lehre und Forschung auf den Gebieten der Stahlherstellung und -verarbeitung sowie der Anwendung metallischer Werkstoffe durch. Die Forschung ist sowohl grundlagenbasiert als auch anwendungsorientiert; sie greift aktuelle Forschungsthemen auf und leistet einen wissenschaftlichen Beitrag zu industriellen Problemstellungen. Es wird eine hohe nationale und internationale Reputation für die Forschungsergebnisse und die wissenschaftlichen Mitarbeiterinnen und Mitarbeiter sichergestellt.

Ihre Aufgaben

Konventionell durchläuft die Werkstoff- und Prozessentwicklung der Metalle mehrere Iterationsschleifen, oftmals basierend auf Experimenten, Simulationen bzw. eine Kombination von beidem. Hinzu kommt eine Versuchsplanung, die in der Regel auf einer Kombination von Erfahrung und Trial-and-Error basiert.

Um diese Entwicklungen nachhaltiger zu gestallten, müssen diese Ansätze agiler und effizienter gestaltet werden. Insbesondere Methoden aus dem Machine Learning bieten vielversprechende Ansätze um die Werkstoffe von morgen zu entwickeln. In einem interdisziplinären Forschungsteam wurden in diesem Kontext bereits datengetriebene Tools entwickelt, die Expert/innen unterstützen, Bauteile mit komplexer Geometrie für die additive Fertigung auszulegen, oder um Mikrostrukturen automatisiert und reproduzierbar mit Deep Learning Methoden zu analysieren. Besondere Bedeutung spielen hierbei zum einen die Weiterentwicklung eines geeigneten Legierungs- und Prozessdesigns, zum anderen die Frage, wie daten-getriebene Modelle eine Ergänzung oder sogar neue Einsichten in Prozess-Mikrostruktur-Eigenschaftszusammenhänge von Metallen liefern können.

• Einsatz von Machine Learning zur Ermittlung von werkstoff-bezogenen Zusammenhängen
• Einsatz von Deep Learning für die Bilderkennung in Mikroskopiedaten
• Erstellung und Ergänzung von Datensets
• Aufbau einer Schnittstellenkompetenz zwischen Werkstofftechnik und Data Science

Ihr Profil

• Sie verfügen über ein Hochschulstudium (Master oder vergleichbar) der Fachrichtung Werkstofftechnik, Materialwissenschaft oder Maschinenbau mit einer werkstoffkundlichen Vertiefung, welches Sie mit überdurchschnittlichem Erfolg abgeschlossen haben.
• Sie besitzen Erfahrungen mit der Anwendung von künstlicher Intelligenz, Machine-Learning und neuronaler Netze zur Optimierung von Werkstoffkonzepten.
• Eine abgeschlossene Promotion zu einem einschlägigen Thema ist wünschenswert.
• Sie verfügen über sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift; die Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten, Kreativität und Flexibilität sind für Sie selbstverständlich und Sie sind teamfähig.

Wir bieten

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf zunächst 3 Jahre.
Es besteht die Option, die Stelle um weitere 3 Jahre zu verlängern.
Die befristete Beschäftigung erfolgt im Rahmen der Befristungsmöglichkeiten des Wissenschaftszeitvertragsgesetzes.
Es handelt sich um eine Vollzeitstelle. Auf Wunsch kann eine Teilzeitbeschäftigung ermöglicht werden.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit EG 13 TV-L.