RWTH Aachen - Logo Ansprechpartner/in Für Vorabinformationen steht Ihnen zur Verfügung: Dr. Götz Heßling Tel.: -95794 E-Mail: 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 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 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 fur Eisenhuttenkunde und der Lehrstuhl fur Werkstofftechnik der Metalle fuhren 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 fur die Forschungsergebnisse und die wissenschaftlichen Mitarbeiterinnen und Mitarbeiter sichergestellt. Ihr Profil Sie verfugen uber ein Hochschulstudium (Master oder vergleichbar) der Fachrichtung Werkstofftechnik, Materialwissenschaft oder Maschinenbau mit einer werkstoffkundlichen Vertiefung, welches Sie mit uberdurchschnittlichem 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 verfugen uber sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift; die Fahigkeit zum selbststandigen wissenschaftlichen Arbeiten, Kreativitat und Flexibilitat sind fur Sie selbstverstandlich und Sie sind teamfahig. Ihre Aufgaben Konventionell durchlauft 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 Ansatze um die Werkstoffe von morgen zu entwickeln. In einem interdisziplinaren Forschungsteam wurden in diesem Kontext bereits datengetriebene Tools entwickelt, die Expert/innen unterstutzen, Bauteile mit komplexer Geometrie fur 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 Erganzung oder sogar neue Einsichten in Prozess-Mikrostruktur-Eigenschaftszusammenhange von Metallen liefern konnen. Einsatz von Machine Learning zur Ermittlung von werkstoff-bezogenen Zusammenhangen Einsatz von Deep Learning fur 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.