Wissenschaftlicher Mitarbeiterin
Kennziffer 10126WV3 Einrichtung Feststoffverfahrenstechnik und Partikeltechnologie WertigkeitEG 13 TV-L Arbeitsbeginn schnellstmöglich Bewerbungsschluss 29.04.2026 Arbeitsumfang Vollzeit, bis zum 31.03.2029 befristet
In dem Gesamtvorhaben soll ein standortweiter Digitaler Zwilling für einen energieintensiven industriellen Verbundstandort entwickelt werden. Ziel ist die modellbasierte Abbildung verfahrenstechnischer Prozesseinheiten, Energie- und Stoffströme sowie deren dynamischer Wechselwirkungen, um Energieeffizienzpotenziale zu identifizieren und eine flexible, datenbasierte Prozessführung zu ermöglichen.
In diesem am Institut für Feststoffverfahrenstechnik und Partikeltechnologie angesiedelten Teilprojekt liegt der Schwerpunkt auf der Entwicklung, experimentellen Validierung und dateneffizienten Weiterentwicklung von Modellen des Maschinellen Lernens (ML) für die dynamische Regelung von Wirbelschichtsprühgranulationsprozessen. Hierzu werden geeignete ML-Methoden - insbesondere Reinforcement Learning sowie sequenzbasierte Modelle (z. B. RNN, Transformer) - evaluiert, trainiert und anhand umfangreicher Granulationsversuche im Labormaßstab validiert. Ziel ist es, den experimentellen Datenbedarf durch die intelligente Verknüpfung von experimentellen Daten und Daten aus parallel im Projekt durchgeführten Fließschemasimulationen zu reduzieren und robuste, echtzeitfähige Regelungsansätze zu entwickeln.
IHRE AUFGABEN
- Evaluation und Implementierung geeigneter ML-Methoden für die dynamische Prozessregelung
- Planung, Durchführung und Auswertung von Wirbelschichtsprühgranulationsversuchen im Labormaßstab
- Kalibrierung und Validierung der ML-Modelle anhand experimenteller Messdaten
- Entwicklung datengetriebener Übertragungsmodelle zur Kopplung simulativer und realer Prozessdaten
- Analyse des Ressourcen- und Datenbedarfs sowie Entwicklung dateneffizienter Trainingsstrategien
IHR PROFIL
Erforderlich
- Hochschulstudium (Master oder vergleichbar) insbesondere der Fachrichtungen Verfahrenstechnik, Maschinenbau oder Data Science oder eines nah verwandten Studiengangs
Vorteilhaft
- sehr gute Deutschkenntnisse (C1), gute Englischkenntnisse (B2)
- Kenntnisse im Bereich Feststoffverfahrenstechnik
- Erfahrungen im Bereich Machine Learning / Data Science, idealerweise mit Erfahrung in Reinforcement Learning oder neuronalen Netzen
- Kenntnisse in der experimentellen Arbeit von verfahrenstechnischen Prozessen
- Teamfähigkeit und Bereitschaft zur interdisziplinären Zusammenarbeit in einem Verbundprojekt
UNSER ANGEBOT
- Außerhalb der Dienstaufgaben besteht die Gelegenheit zur wissenschaftlichen Weiterbildung, die Ergebnisse können für eine Promotion verwendet werden
- Mitarbeit in einem interdisziplinären, hoch motivierten und engagierten Team
- Forschung in einem innovativen, zukunftsorientierten und industriell hoch relevanten Themenfeld
- Teilnahme an nationalen und internationalen Konferenzen
Im Mittelpunkt der Forschung, der Lehre und des Technologietransfers der TU Hamburg steht das Leitmotiv, Technik für die Menschen zu entwickeln. Hierbei versteht sich die TU Hamburg als familiengerechte und nachhaltig handelnde Universität mit hohem Leistungs- und Qualitätsanspruch, die in allen ihren Forschungsfeldern Exzellenz anstrebt. Interdisziplinarität, Innovation, Regionalität sowie Internationalität sind verpflichtende Grundlagen für unser Handeln. Mit derzeit rund 8.000 Studierenden, 110 Professorinnen und Professoren sowie 1.650 Mitarbeitenden zeichnet sich die TU Hamburg durch kurze Entscheidungswege und eine enge Zusammenarbeit zwischen dem Präsidium, den Instituten, Studiendekanaten, Forschungsschwerpunkten und der Verwaltung aus. Wir identifizieren uns mit einer modernen Führungskultur und pflegen ein wertschätzendes Miteinander.
Haben Sie noch Fragen? Dann wenden Sie sich gerne an Frau Dr.-Ing. Swantje Pietsch-Braune, Tel.-Nr. +49 40 30601 3139, E-Mail: .
Die TU Hamburg steht für Chancengleichheit sowie ein wertschätzendes und respektvolles Miteinander.
Wir schätzen Vielfalt und begrüßen deshalb Bewerbungen aller Menschen, unabhängig von Geschlecht und geschlechtlicher Identität, ethnischer Herkunft und Nationalität, Alter, Religion und Weltanschauung, Behinderung, sexueller Orientierung und Identität oder sozialer Herkunft.
Informationen für Schwerbehinderte und ihnen gleichgestellte PersonenBitte übersenden Sie Ihre vollständigen Bewerbungsunterlagen (Anschreiben, tabellarischer Lebenslauf, Nachweis der abgeschlossenen Ausbildung oder Hochschulabschluss sowie relevante Arbeitgeberzeugnisse) ausschliesslich über unser Bewerbungssystem.
Mehr anzeigen
