Promovierte*r wissenschaftliche*r Mitarbeiter*in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vglb.
Drucken
Berlin
Informationen zur Anzeige:
Promovierte*r wissenschaftliche*r Mitarbeiter*in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vglb.
Berlin
Aktualität: 28.08.2026
Anzeigeninhalt:
28.08.2026, BAM Bundesanstalt für Materialforschung und -prüfung
Berlin
Promovierte*r wissenschaftliche*r Mitarbeiter*in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vglb.
Aufgaben:
Neural Operators werden in diesem Projekt mit klassischen numerischen Verfahren kombiniert, um parametrisierte Finite-Elemente-Modelle effizient zu approximieren. Durch die Integration datengetriebener und FEM-basierter Ansätze werden hybride Modelle entwickelt, die echtzeitfähige digitale Zwillinge, eine Kalibrierung von Modellparametern mit Unsicherheitsquantifizierung sowie eine probabilistische Darstellung der verbleibenden Modellfehler unterstützen.
Entwicklung und Implementierung von FEM-Modellen in FEniCSx sowie deren Integration in Neural Operators und PINNs
Validierung und Unsicherheitsquantifizierung dieser Metamodelle
Kalibrierung von Modellparametern unter Unsicherheiten anhand experimenteller Daten unter Verwendung dieser Metamodelle
Entwicklung datengetriebener Ansätze zur Modellierung der Prognosegenauigkeit unter Berücksichtigung von Modellfehlern
Dokumentation der entwickelten Methoden
Verfassen wissenschaftlicher Publikationen und Mitwirkung an der Ausarbeitung von Forschungsanträgen
Präsentation der Ergebnisse auf wissenschaftlichen Tagungen
Qualifikationen:
Zwingend notwendig sind:
Abgeschlossenes wissenschaftliches Hochschulstudium (Diplom / Master) sowie Promotion in der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder eines vergleichbaren Studiengangs
Ausgewiesene Kenntnisse und praktische Erfahrung in der Entwicklung von FEM-Anwendungen unter Verwendung programmierbarer FE-Software (z. B. FEniCSx), einschließlich der Implementierung von Materialmodellen, Elementformulierungen oder numerischen Lösungsverfahren
Vertiefte Kenntnisse im Bereich wissenschaftlicher Programmierung, vorzugsweise in Python, sowie Erfahrung mit modernen Methoden der Softwareentwicklung
Erfahrung in der Implementierung von Methoden des maschinellen Lernens und Deep Learnings
Sehr gute Englischkenntnisse in Wort und Schrift sowie gute Präsentations- und Publikationsfähigkeiten
Wünschenswert wäre darüber hinaus:
Erfahrung mit Scientific-Machine-Learning-Ansätzen, insbesondere PINNs und Neural Operators (z. B. DeepONet, Fourier Neural Operators)
Kenntnisse in den Bereichen Unsicherheitsquantifizierung, inverse Probleme, Bayes'sche Inferenz oder Parameteridentifikation
Außerdem sollten Sie Folgendes mitbringen:
Initiative / Einsatzbereitschaft und -fähigkeit
Teamfähigkeit und Kooperationsbereitschaft
Zielorientierte und strukturierte Arbeitsweise
Entscheidungsbereitschaft und -fähigkeit
Gutes Kommunikations- und Informationsverhalten
Die ausgeschriebene Stelle setzt ein geringes Maß an körperlicher Eignung voraus.
Berufsfeld
Öffentlicher Dienst, Verwaltung
Forschung, Lehre
Informationstechnologie, TK
IT/TK Softwareentwicklung
Softwareentwicklung
Bundesland
Standorte
