Promovierte*r wissenschaftliche*r Mitarbeiter*in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vglb.

Promovierte r wissenschaftliche r Mitarbeiter*in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vergleichbar Fachbereich 7.7: Modellierung und Simulation Die Bundesanstalt für Materialforschung und -prüfung (BAM) ist eine wissenschaftlich-technische Bundesoberbehörde mit Sitz in Berlin. Als Ressortforschungseinrichtung des Bundesministeriums für Wirtschaft und Energie forscht, prüft und berät die BAM zum Schutz von Menschen, Umwelt und Sachgütern. Im Fokus stehen die technische Sicherheit von Produkten und Prozessen in den Bereichen Materialwissenschaft, Werkstofftechnik und Chemie. Ihre Aufgaben Kombination von Neural Operators mit klassischen numerischen Verfahren zur effizienten Approximation parametrisierter Finite-Elemente-Modelle. Entwicklung hybrider Modelle durch Integration datengetriebener und FEM-basierter Ansätze, die folgende Anwendungen unterstützen: Echtzeitfähige digitale Zwillinge Kalibrierung von Modellparametern mit Unsicherheitsquantifizierung Probabilistische Darstellung verbleibender Modellfehler Entwicklung und Implementierung von FEM-Modellen in FEniCSx sowie deren Einbindung in Neural Operators und Physics-Informed Neural Networks (PINNs) . Validierung und Unsicherheitsquantifizierung der entwickelten Metamodelle. Kalibrierung von Modellparametern unter Unsicherheiten anhand experimenteller Daten mithilfe der 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. Ihre Qualifikationen Zwingend notwendig: 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: Implementierung von Materialmodellen Elementformulierungen Numerischen Lösungsverfahren Vertiefte Kenntnisse in 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: Erfahrung mit Scientific-Machine-Learning-Ansätzen , insbesondere: Physics-Informed Neural Networks (PINNs) Neural Operators (z. B. DeepONet, Fourier Neural Operators) Kenntnisse in den Bereichen: Unsicherheitsquantifizierung Inverse Probleme Bayes’sche Inferenz oder Parameteridentifikation Persönliche Anforderungen Initiative/Einsatzbereitschaft und -fähigkeit Teamfähigkeit und Kooperationsbereitschaft Zielorientierte und strukturierte Arbeitsweise Entscheidungsbereitschaft und -fähigkeit Gutes Kommunikations- und Informationsverhalten Unsere Benefits Mobiles Arbeiten Arbeit in nationalen und internationalen Netzwerken mit Universitäten, Forschungseinrichtungen und Industrieunternehmen Verantwortungsvolle, interessante und abwechslungsreiche Tätigkeit in einem kompetenten und kollegialen Umfeld Work-Life-Balance mit 30 Urlaubstagen bei einer 5-Tage-Woche Attraktives und modernes Arbeitsumfeld mit: Hervorragender Infrastruktur und Ausstattung auf wissenschaftlich neuestem Stand ( Labore, BAM Data Store, High-Performance-Computing ) Vielseitigen Aufgaben an der Schnittstelle zwischen Wissenschaft, Wirtschaft und Politik Zertifiziert familienfreundliches Arbeitsklima Zugang zu hochwertigen Fortbildungsangeboten und Trainings zu Digitalisierungsthemen, darunter: Programmierung, Forschungsdatenmanagement, KI-Anwendungen und maschinelles Rechnen in der Wissenschaft Vernetzung in interdisziplinären Digitalisierungs-Communities und BAM-Digitalisierungsevents Gezielter Kompetenzerwerb in Schlüsseltechnologien der Labordigitalisierung, z. B.: Moderne Programmierparadigmen Anschluss an das elektronische Laborbuch Entwicklung von Metadatenformaten und Ontologien Möglichkeit zur aktiven Mitgestaltung von BAM-Digitalisierungsprojekten und Einbringung eigener Ideen für digitale Innovationen. Stellenanzeige automatisch mit KI zusammengefasst