Senior Computational Scientist – Wildfire Physics & Numerics (m/f/d) in Köln

Wenn ein Feuer beginnt, entscheidet die nächste Stunde

FloodWaive entwickelt KI-gestützte Systeme, die Naturgefahren früher sichtbar, besser bewertbar und verständlicher kommunizierbar machen. Wir verbinden Deep Learning, physikalische Modelle und Datenanalyse, damit Versicherungen, öffentliche Institutionen, Industrie und Katastrophenschutz fundierte Entscheidungen treffen können. Wir arbeiten an den Folgen des Klimawandels, die bereits eintreffen. Unser Ziel ist es, Menschen, Unternehmen und Kommunen widerstandsfähiger gegenüber Extremereignissen zu machen.

Für Hochwasser rechnen wir die Physik auf GPUs und koppeln sie mit einem gelernten Modell, das validierte Simulationsergebnisse deutlich schneller approximiert. Mit FireWaive bauen wir eine dauerhafte zweite Produktlinie, die diese Kombination aus Simulation und KI auf Vegetationsbrände überträgt. FireWaive ist in aktiver Entwicklung: Wir führen es bewusst und schrittweise von der anwendungsnahen Forschung ins Produkt. Bei einer Feuerfront, die sich mit dem Wind dreht, entscheidet die Rechenzeit, ob eine Prognose noch etwas ändert. Wir suchen die Person, die den wissenschaftlichen und numerischen Kern von FireWaive aufbaut.

Deine Rolle

Du verantwortest den wissenschaftlich-technischen Modellkern von FireWaive: wie sich eine Feuerfront in Abhängigkeit von Wind, Hangneigung, Brennstoff und Feuchte bewegt, welches numerische Verfahren sie stabil und schnell genug berechnet, und wo ein gelerntes Modell die Physik beschleunigen kann. Du entwickelst die Architektur, welche Größe physikalisch gerechnet und welche gelernt wird, und begründest sie; KI-, Plattform-, Produkt- und Fachleitungen prüfen sie gegen definierte Verifikations-, Validierungs- und Freigabestufen.

Kernauftrag in den ersten zwölf Monaten

• Ein Referenzmodell und Benchmark für die Brandausbreitung an ausgewählten historischen Ereignissen
• Ein validierter Prototyp des gekoppelten Physik- und KI-Kerns, geprüft gegen die vereinbarten Verifikations- und Validierungsstufen
• Eine bewertete Datengrundlage: auf welche Erdbeobachtungs-, Wetter-, Gelände- und Vegetationsdaten sich das Modell stützen kann
• Dokumentierte Leistungsziele und Gültigkeitsgrenzen für das erste Produktinkrement

So arbeiten wir heute

FloodWaive betreibt ein produktives Hochwasser-Vorhersagesystem, gebaut von einem Team aus Wasserbau, Hydrologie, Geoinformatik, Softwareentwicklung und KI. Teile seiner Grundlage, etwa GIS-Verarbeitung, Cloud-Infrastruktur, Datendienste, Inferenz und Monitoring, sind für FireWaive wiederverwendbar; den Wildfire-Modellkern baust du.

Wildfire-Ausbreitung ist ein Feld, in das du hier hineinwachsen kannst, mit Review im Team und in unserem wissenschaftlichen Beirat.

Mandat und Grenzen

Du verantwortest das physikalische Modell, die Numerik und die gelernte Beschleunigung. Die Produkt-Roadmap und die Prioritäten liegen beim Produktmanagement; Datenpipelines und Plattformbetrieb liegen bei Data- und Platform Engineering; die Nutzungserlebnis liegt bei Design und Engineering; die fachliche Abnahme liegt bei unseren Domain Leads.

Eine Prognose, die bei einer Einsatzleitung ankommt, stützt informierte operative Entscheidungen gemeinsam mit Fachwissen und etablierten Verfahren; sie ersetzt sie nicht. Sie muss ihre Unsicherheit offen tragen und erklären, worauf sie beruht. Wo dein Modell an die Grenze seiner Gültigkeit kommt, sagst du das selbst, auch wenn eine glattere Antwort bequemer wäre: Das beste Modell ist das, dessen Schwächen du zuerst gefunden hast. Wer diese Rolle übernimmt, prägt eine neue Produktlinie von der ersten Codezeile an.

Physikalischer Kern und Numerik

• Du verantwortest das physikalische Modell der Brandausbreitung und entscheidest mit Review, welche Prozesse es abbildet; du wählst das numerische Verfahren und begründest diese Wahl gegenüber den Alternativen.
• Du setzt Diskretisierung, Zeitschritt und Auflösung so, dass das Ergebnis stabil bleibt und die Laufzeit zur Lage passt.
• Du implementierst den Solver für GPUs, profilierst ihn und benchmarkst ihn; Cloud-Deployment, Skalierung, Observability und Betrieb verantworten Plattform- und Softwareentwicklung.
• Du verifizierst den Kern gegen analytische und Manufactured Solutions, validierst ihn gegen historische Brände und verfügbare Feldbeobachtungen und benennst die Gültigkeitsgrenzen: welches Gelände, welche Vegetation und welche Wetterbedingungen das Modell noch abdeckt.

KI, Daten und Validierung

• Du entwickelst das gelernte Modell, das die physikalische Rechnung beschleunigt, und stellst sicher, dass es deren Verhalten im Gültigkeitsbereich reproduziert; du schlägst vor, welche Größen sich zum Lernen eignen und wo die Physik gerechnet werden muss, und verteidigst diese Trennung im wissenschaftlichen Review.
• Du definierst die wissenschaftlichen Datenanforderungen, Erdbeobachtung, numerische Wettervorhersage, Gelände- und Vegetationsdaten, und bewertest ihre Qualität; Data- und Platform Engineering bauen die Ingestionspipelines und betreiben sie. Du analysierst beobachtete Brände statistisch und identifizierst, welche beobachtbaren Größen mit dem Ausbreitungsverhalten zusammenhängen.
• Du definierst die Gütemaße, an denen das Modell gemessen wird, und validierst es an beobachteten Ereignissen. Du machst die Prognose probabilistisch: Du charakterisierst und quantifizierst die dominanten Unsicherheitsquellen und prüfst Kalibrierung, Coverage und Verhalten außerhalb des Trainingsbereichs.

Vom Modell in den Betrieb

• Du lieferst ein versioniertes Modell mit Tests, Qualitätskriterien und Monitoring-Anforderungen; das Plattformteam verantwortet Deployment, Dauerbetrieb, Rollback und Incident Handling. Die Freigabe ist eine gemeinsame Entscheidung mit Produkt, Plattform, QA und Domain Leads gegen dokumentierte Abnahmekriterien; du hältst die Annahmen fest, auf denen jede Version beruht.
• Du gestaltest mit, was eine Einsatzleitung auf der Karte sieht, und übersetzt zwischen Modell und operativer Praxis: was eine Wahrscheinlichkeit für eine Entscheidung unter Zeitdruck bedeutet, erklärst du selbst.
• Du erweiterst das Modell, wenn neue Regionen hinzukommen: andere Vegetation, anderes Gelände, andere Daten. Als späterer Meilenstein, nicht als Aufgabe am ersten Tag, führst du die Prognose in Richtung Datenassimilation und Nowcasting, damit sie sich aktualisiert, sobald neue Beobachtungen eintreffen.

Das brauchst du

• Ein Studium der Physik, angewandten Mathematik, des Computational Engineering, der Meteorologie, des Ingenieurwesens oder eines verwandten Fachs, eine Promotion ist willkommen, oder ein gleichwertiger Nachweis aus der Praxis.
• Ein solides Verständnis numerischer Verfahren für partielle Differentialgleichungen: Diskretisierung, Zeitintegration, Stabilität und das Urteil, wann ein Ergebnis ein Artefakt des Verfahrens ist; du hast selbst einen Solver gebaut, wesentlich verändert oder betrieben.
• Python auf Produktionsniveau sowie Erfahrung mit einer Low-Level-Sprache oder mit GPU-Programmierung.
• Praktisches Machine Learning mit einem gängigen Deep-Learning-Framework, idealerweise dort, wo gelernte Modelle physikalische Rechnung ergänzen oder beschleunigen.
• Solide Datenanalyse: Zeitreihen, räumliche Felder, Statistik und ein verlässlicher Umgang mit Unsicherheit.
• Fließendes Englisch für das Team und für die Forschungskooperation sowie die Bereitschaft, vor Menschen zu stehen, die auf dein Ergebnis handeln werden.

Hilfreich, aber kein Muss

Wer in Physik und Numerik stark ist und sich in Richtung Machine Learning bewegt hat, ist ebenso willkommen wie jemand, der den umgekehrten Weg gegangen ist.

• Vorherige Berührung mit Feuerwissenschaft oder Wildfire-Modellierung; Tiefe kannst du hier aufbauen, mit Review im Team und in unserem wissenschaftlichen Beirat.
• Erfahrung mit Erdbeobachtung, Wetter- oder Ensemble-Daten.
• Deutsch für die Arbeit mit Feuerwehren und Behörden, oder die Bereitschaft, es aufzubauen.
• Erfahrung, wissenschaftliche Software aus der Forschung in ein Produktumfeld zu überführen.

Was wir bieten

• Eine unbefristete Vollzeitstelle mit strukturierter Einarbeitung; FireWaive ist eine dauerhafte Produktlinie, keine Projektausschreibung.
• Ein hartes offenes Problem mit echter Verantwortung: Du treibst Modell, Methode und Metriken eigenständig innerhalb vereinbarter Produktziele, wissenschaftlicher Reviews und Freigabestandards.
• Geteilte Infrastruktur, auf der du vom ersten Tag an aufbauen kannst: die GIS-, Cloud-, Daten-, Inferenz- und Monitoring-Komponenten unseres produktiven Hochwasser-Vorhersagesystems; den Wildfire-Modellkern gestaltest du.
• Ein interdisziplinäres Team aus Wasserbau, Hydrologie, Geoinformatik, Softwareentwicklung und KI mit wissenschaftlichem Beirat, in dem ein Entwurf ein zweites Lesen bekommt, bevor er teuer wird.
• Weiterbildung und Konferenzen zu KI, Umwelt- und Simulationsthemen, von dir gewählt, und die Möglichkeit, deine Arbeit zu veröffentlichen.

Rahmendaten

• Standort: Köln, mit flexiblen Arbeitszeiten.
• Remote-Arbeit ist möglich und vorgesehen, mindestens ein Präsenztag pro Woche.
• Berichtslinie: Geschäftsführung und die technische Projektleitung.
• Umfang: Vollzeit, unbefristet.
• Start: ab sofort.

Dein Impact

Wer wissen muss, wo eine Feuerfront in wenigen Stunden stehen wird, steht vor einem wirklich harten Problem: zuverlässige kurzfristige Ausbreitungsprognosen bei unsicherem Wetter, heterogenen Brennstoffen und begrenzten Beobachtungsdaten. Die Physik der Brandausbreitung ist gut untersucht, aber das schließt das Problem allein nicht. Die offene Herausforderung ist, validierte Physik mit unsicheren Echtzeitdaten und schneller Inferenz zu verbinden und dabei ehrlich zu berücksichtigen, was die Modelle selbst nicht vollständig erfassen: Funkenflug, Brennstoffheterogenität, atmosphärische Kopplung, Feuchtedynamik und menschliches Eingreifen. Daran arbeitest du.

Die Rolle verbindet zwei Dinge, die selten zusammenkommen: die Tiefe eines Forschungsproblems und die Verpflichtung eines Produkts, das funktionieren muss, wenn es darauf ankommt. FloodWaive ist ein Spin-off der RWTH Aachen. Weil die Aufgabe dauerhaft ist, ist auch diese Stelle unbefristet.