Ansprechpartner/in
Für Vorabinformationen steht Ihnen zur
Verfügung:
Dr. Götz Heßling
Tel.: +49 241 80-95794
E-Mail: goetz.hessling@iehk.rwth-aachen.de
Ihre Bewerbung richten Sie bitte bis zum
31.07.2024 an:
RWTH Aachen University
Lehrstuhl für Werkstofftechnik der
Metalle und Institut für Eisenhüttenkunde
Dr. Götz Heßling
Intzestr. 1
52072 Aachen, Deutschland
Gerne können Sie Ihre Bewerbung auch
per E-Mail an
goetz.hessling@iehk.rwth-aachen.de senden. Bitte beachten Sie,
dass Gefährdungen der Vertraulichkeit
und der unbefugte Zugriff Dritter bei einer
Kommunikation per unverschlüsselter E-Mail
nicht ausgeschlossen werden können.
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.rwthaachen.de/dsgvo-information-bewerbung.
Wissenschaftliche/r Mitarbeiter/in / PostDoc (w/m/d)
Datengetriebene Werkstoffentwicklung – Koordination von
Verbundprojekten
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.
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.
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 gestalten, 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
Unser Angebot
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.