[Hiring] Academic Staff @Technische Hochschule Brandenburg

Role Description

Im Fachbereich Technik ist im Rahmen des Forschungsprojekts DaHKIZ (Datenbasierte Holistische KI-gestützte Zivile Triebwerksentwicklung) zum nächstmöglichen Zeitpunkt zunächst befristet bis 30.04.2029 folgende Stelle mit der Möglichkeit zur Promotion (in Kooperation mit Rolls-Royce Deutschland) zu besetzen:

Akademischer Mitarbeiter (w/m/d)

Forschungsschwerpunkt: KI im Kontext einer holistischen Turbinenauslegung

Entgeltgruppe: 13 TV-L

40 h/Woche

Kennziffer: HAP2

Ihr Hauptarbeitsschwerpunkt liegt in der industriellen Forschung zum Thema KI im Kontext einer holistischen Turbinenauslegung. Sie erforschen originäre Methoden des Maschinellen Lernens (ML) und der Künstlichen Intelligenz (KI) für die multidisziplinäre, robustheitsbasierte Optimierung (MDO) von Hochdruckturbinen-Komponenten.

• Erforschung von ML- & KI-Strategien für die MDO einer Turbinenschaufel: Down-Select und Bewertung originärer Methoden (z. B. Kolmogorow-Arnold-Netzwerke, Bootstrapping-Ensembles, erklärbare KI, reduced order modeling ROM) bei spärlichen Datensätzen.
• Erforschung von ML- & KI-Strategien zur Dimensionsreduktion heterogener Entwurfsräume: Untersuchung von Verfahren (z. B. Kernel-SVD, Autoencoder) für hochdimensionale, gemischt-kontinuierlich-diskrete Entwurfsparameterräume inkl. Topologievariationen.
• Erforschung von ML- & KI-Strategien zur Robustheits- und Zuverlässigkeitsanalyse: Direkte Überführung von Unsicherheiten in deterministische Entwurfsparameter und datengetriebene ROM-Ansätze für robustheitsbasierte Optimierungen.
• Anwendung & Validierung: Übertragung der erforschten Strategien auf industriell relevante Anwendungsfälle und Integration in automatisierte multidisziplinäre Simulationsprozesse (Geometrie, CFD, Temperatur, Spannung, Lebensdauer).
• Publikation: Sie verfassen wissenschaftliche Publikationen und präsentieren die Ergebnisse auf internationalen Konferenzen.

Qualifications

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master oder Universitätsdiplom) in einer relevanten Fachrichtung (Maschinenbau, Luft- und Raumfahrttechnik, Physik, Informatik o. ä.)
• Fundierte Kenntnisse in den Grundlagen des Maschinellen Lernens sowie der Auslegung thermisch hoch belasteter Komponenten (Turbinen, Wärmeübertragung) oder der numerischen Strömungs-/Strukturmechanik (CFD/FEM)
• Sicherer Umgang mit Python oder vergleichbar
• Sehr gute Englischkenntnisse in Wort und Schrift (Niveau C1) zur Erstellung internationaler Publikationen

Requirements

• Praktische Erfahrung mit Deep-Learning-Frameworks (z. B. PyTorch, TensorFlow) sowie Kenntnisse in modernen Architekturen wie Variational Autoencoder, Kolmogorow-Arnold-Netzwerken oder erklärbarer KI
• Kenntnisse in CAD-Systemen, präferiert Siemens NX
• Erfahrung in der multidisziplinären Optimierung (MDO), der Parametrisierung komplexer Turbinen-Geometrien sowie in der Automatisierung von Simulationsprozessen.
• Kenntnisse in Robustheits- und Sensitivitätsanalysen sowie in der Unsicherheitsquantifizierung (UQ)
• Gute Deutschkenntnisse (Niveau B2) sind erwünscht; bei internationalen Bewerbern unterstützen wir den Erwerb dieser Kenntnisse innerhalb der ersten 18 Monate

Benefits

• Betriebliche Altersvorsorge, Jahressonderzahlung und vermögenswirksamen Leistungen
• Gute Verkehrsanbindung an den ÖPNV, monatlicher Zuschuss zum ÖPNV-Jobticket
• Hochschulmensa direkt auf dem Campus
• Attraktive Fort- und Weiterbildungsmöglichkeiten
• Betriebliches Gesundheitsmanagement
• Flexible Arbeitszeiten, 30 Urlaubstage im Jahr (bei einer 5-Tage-Woche), Dienstbefreiung am 24.12. und 31.12.
• Nutzung der Hochschulbibliothek
• Service für Familie und Soziales (Vereinbarkeit von Beruf und Familie)
• Langfristige, sichere persönliche und berufliche Perspektive an einem modernen Arbeitsplatz