Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Lehre und Forschung im Bereich datengetriebenes Materialmodellierung mit Fokus auf KI-Methoden.
- Arbeitgeber: Friedrich-Alexander-Universität Erlangen-Nürnberg, eine führende Institution in Ingenieurwissenschaften.
- Mitarbeitervorteile: Stabiles Gehalt, familienfreundliche Arbeitsbedingungen und Unterstützung für duale Karrieren.
- Warum dieser Job: Gestalte die Zukunft der Materialwissenschaften mit innovativen Technologien und interdisziplinärer Zusammenarbeit.
- Gewünschte Qualifikationen: Doktortitel in relevantem Fachgebiet und nachgewiesene Forschungserfahrung.
- Andere Informationen: Engagierte Mentoring-Programme und Möglichkeiten zur Einwerbung von Drittmitteln.
Das voraussichtliche Gehalt liegt zwischen 60000 - 84000 € pro Jahr.
Die Fakultät für Ingenieurwissenschaften an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) lädt zur Bewerbung auf eine Professur für datengetriebenes Materialmodellierung (Besoldungsgruppe W2) am Department für Materialwissenschaften ein. Dies ist eine Vollzeit- und unbefristete Stelle, die zum frühestmöglichen Zeitpunkt besetzt werden soll.
Wir suchen eine international anerkannte Führungspersönlichkeit im Bereich der daten- und KI-basierten Materialmodellierung, mit besonderem Fokus auf einem oder mehreren der folgenden Bereiche:
- KI-unterstützte Modellierung, Optimierung und Probleminversion im Bereich von Materialeigenschaften und -prozessen
- Entwurf und Nutzung von Datenspeichern und digitalen Zwillingen für Materialien und autonome Materiallabore
- Nutzung von Deep-Learning-Methoden zur Verbindung von Theorie, Simulation und Experimenten
- Integration von Hochdurchsatzexperimenten, Simulationen und Materialinformatik
- Entwicklung nachhaltiger Materialien unter Verwendung von KI-basierten Entwurfsstrategien (KI-gesteuerte Materialentdeckung)
Die Professur soll die Forschungsprofile der FAU in den Schlüsselbereichen neue Materialien und Prozesse, künstliche Intelligenz und Datenwissenschaft sowie die Entwicklung zukünftiger Technologien stärken und verbinden. Der erfolgreiche Kandidat wird ausdrücklich erwartet, eng mit bestehenden Strukturen wie dem FAU Kompetenzzentrum Engineering of Advanced Materials (FAU EAM), dem Erlangen National High-Performance Computing Center, der FAU Data Science Initiative und der Nationalen Forschungsdateninfrastruktur (NFDI MatWerk, FairMat) zusammenzuarbeiten.
Verantwortlichkeiten
Der Professor wird erwartet, ein international sichtbares Forschungsprogramm zu entwickeln, das Methoden der künstlichen Intelligenz mit modernen Simulations- und Modellierungsverfahren verknüpft und den Transfer auf anwendungsorientierte Materialsystme und -prozesse fördert. Darüber hinaus wird auch erwartet, dass der Professor in Bachelor- und Masterstudiengängen, insbesondere im neuen Studiengang AI Material Technology, lehrt. Bewerber, die bereit sind, sowohl in Englisch als auch in Deutsch zu unterrichten, werden bevorzugt.
Qualifikationen
Der erfolgreiche Kandidat wird eine herausragende Erfolgsbilanz in Forschung und Lehre vorweisen können. Er muss einen Hochschulabschluss und einen Doktortitel in einem relevanten Fachgebiet sowie zusätzliche postdoktorale Qualifikationen (entweder eine Habilitation oder gleichwertige akademische Qualifikationen) besitzen. Diese Qualifikationen können auch in einem nicht-universitären Kontext oder durch eine Junior-Professur (zum Beispiel als Assistenzprofessor) erworben worden sein.
Der erfolgreiche Kandidat wird erwartet, administrative Aufgaben zu übernehmen und proaktiv Drittmittel einzuwerben. Die FAU verfolgt eine Politik intensiver Studierendenbetreuung und erwartet von ihrem Lehrpersonal, während der Vorlesungszeiten präsent zu sein.
Zusätzliche Informationen
Im Streben nach akademischer Exzellenz verpflichtet sich die FAU zur Chancengleichheit und zu einem proaktiven und integrativen Ansatz, der alle unterrepräsentierten Gruppen unterstützt und ermutigt, eine inklusive Kultur fördert und Vielfalt wertschätzt. Die FAU ist ein familienfreundlicher Arbeitgeber und reagiert auf die Bedürfnisse von Doppelkarriere-Paaren.
Bitte reichen Sie Ihre vollständige Bewerbung (Lebenslauf, Publikationsliste, Lehrkonzept und Forschungskonzept, Liste der Drittmittel, Kopien von Zeugnissen und Abschlüssen) bis zum 7. April 2026 online ein, adressiert an den Dekan der Fakultät für Ingenieurwissenschaften. Bei Fragen wenden Sie sich bitte an die angegebene Kontaktadresse.
Associate Professor of Data-Driven Material Modeling Arbeitgeber: Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Kontaktperson:
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Associate Professor of Data-Driven Material Modeling
✨Netzwerken ist alles!
Nutze jede Gelegenheit, um mit anderen in deinem Bereich zu sprechen. Besuche Konferenzen, Workshops oder lokale Meetups. So kannst du wertvolle Kontakte knüpfen und vielleicht sogar Insider-Infos über offene Stellen bekommen.
✨Sei proaktiv!
Warte nicht darauf, dass die Stellenanzeigen zu dir kommen. Recherchiere Unternehmen, die dich interessieren, und kontaktiere sie direkt. Zeige dein Interesse und frage nach möglichen Möglichkeiten, auch wenn gerade keine Stellen ausgeschrieben sind.
✨Bereite dich auf Vorstellungsgespräche vor!
Mach dich mit häufigen Fragen in Vorstellungsgesprächen vertraut und übe deine Antworten. Überlege dir auch, welche Fragen du stellen möchtest, um zu zeigen, dass du wirklich an der Position interessiert bist.
✨Bewirb dich über unsere Website!
Wenn du eine Stelle bei uns im Auge hast, bewirb dich direkt über unsere Website. Das zeigt, dass du motiviert bist und erleichtert uns den Überblick über die Bewerbungen. Lass uns gemeinsam die Zukunft gestalten!
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Associate Professor of Data-Driven Material Modeling
Tipps für deine Bewerbung 🫡
Mach deinen Lebenslauf einzigartig: Dein Lebenslauf sollte nicht nur deine Erfahrungen auflisten, sondern auch zeigen, was dich besonders macht. Hebe relevante Projekte und Erfolge hervor, die zu der Stelle passen, für die du dich bewirbst.
Forschungskonzept klar darstellen: Stelle sicher, dass dein Forschungskonzept klar und prägnant ist. Zeige, wie deine Ideen mit den Zielen der FAU übereinstimmen und welche innovativen Ansätze du verfolgst.
Lehrkonzept anpassen: Dein Lehrkonzept sollte nicht nur deine Methoden beschreiben, sondern auch, wie du Studierende motivierst und einbeziehst. Denk daran, dass FAU Wert auf eine inklusive Lehrumgebung legt.
Online bewerben!: Vergiss nicht, deine Bewerbung über unsere Website einzureichen! Das macht es uns einfacher, alles zu verwalten und sicherzustellen, dass deine Unterlagen rechtzeitig ankommen.
Wie du dich auf ein Vorstellungsgespräch bei Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) vorbereitest
✨Mach dich mit der Institution vertraut
Informiere dich gründlich über die Friedrich-Alexander-Universität Erlangen-Nürnberg und deren Forschungsprofile. Verstehe, wie deine Expertise in data-driven Materialmodellierung zu den bestehenden Strukturen passt, insbesondere zu den Initiativen wie dem FAU EAM oder der Data Science Initiative.
✨Bereite konkrete Beispiele vor
Sei bereit, spezifische Projekte oder Forschungen zu präsentieren, die deine Fähigkeiten in AI-gestütztem Modellieren und nachhaltigen Materialentwicklungen demonstrieren. Zeige, wie du deine Kenntnisse in der Lehre umsetzen kannst, insbesondere in Bezug auf das neue Studienprogramm AI Material Technology.
✨Sprich über interdisziplinäre Zusammenarbeit
Betone deine Bereitschaft zur Zusammenarbeit mit anderen Fachbereichen und Forschungseinrichtungen. Diskutiere, wie du deine Forschungsergebnisse in anwendungsorientierte Systeme übertragen kannst und welche Synergien du mit bestehenden Programmen schaffen möchtest.
✨Zeige deine Lehrphilosophie
Bereite ein Konzept für deine Lehrmethoden vor, das sowohl auf Deutsch als auch auf Englisch funktioniert. Erkläre, wie du Studierende aktiv einbeziehen und fördern möchtest, um eine inklusive Lernumgebung zu schaffen, die Vielfalt wertschätzt.