Auf einen Blick
- Aufgaben: Entwickle innovative hydrologische Modelle und nutze maschinelles Lernen für Wasseranalysen.
- Unternehmen: Führende europäische Institutionen, darunter die Universität Basel.
- Vorteile: Vollfinanzierte 4-jährige Promotion mit internationalen Aufenthalten und Zugang zu modernster Infrastruktur.
- Weitere Informationen: Werde Teil eines dynamischen Teams von Forschern und erhalte Unterstützung durch erfahrene Betreuer.
- Warum dieser Job: Gestalte die Zukunft der Wasserressourcenforschung und mache einen echten Unterschied im Klimawandel.
- Qualifikationen: MSc in Hydrologie, Hydrogeologie oder verwandten Bereichen; Python-Kenntnisse erforderlich.
100% / Startdatum September 2026 oder nach Vereinbarung. Die Hydrogeologie-Forschungsgruppe am Departement für Umweltwissenschaften der Universität Basel bietet eine vollständig finanzierte PhD-Position im Rahmen des internationalen ANR–SNSF-Projekts FutureFlow an. Headwater-Einzugsgebiete bilden die obersten Teile von Flussnetzwerken und stellen einen erheblichen Teil des europäischen hydrologischen Systems dar. Obwohl sie relativ klein sind, spielen sie eine entscheidende Rolle bei der Kontrolle von Wasserressourcen und der Erhaltung von Ökosystemen stromabwärts. Ihr Funktionieren wird weitgehend durch die Aquiferen bestimmt, die sie beherbergen, welche die Wasserspeicherung und -freisetzung in Bäche regulieren und die Strömungen während trockener Perioden aufrechterhalten sowie klimatische Variabilität abpuffern. Trotz ihrer Bedeutung sind Headwater-Systeme schlecht verstanden und schwer vorherzusagen, aufgrund komplexer Wechselwirkungen zwischen Geologie, Topographie und Klima sowie begrenzter Beobachtungsdaten. Im Kontext zunehmender Dürreperioden und Druck auf Wasserressourcen schränkt dieses mangelnde Verständnis unsere Fähigkeit ein, zukünftige Veränderungen vorherzusehen und Managementstrategien zu entwerfen. Diese Herausforderungen erfordern neue Modellierungsansätze, die in der Lage sind, Grundwasserprozesse über große und vielfältige Einzugsgebiete darzustellen. Das FutureFlow-Projekt schlägt vor, Konzepte aus der Softwaretechnik – wie z.B. Multi-Fidelity-Modellierung und adaptive Modellauswahl (Modellwechsel) – auf die Hydrologie zu übertragen. Das Ziel ist es, flexible und skalierbare Modellierungsrahmen zu entwickeln, die in der Lage sind, Modelle unterschiedlicher Komplexität auszuwählen, zu kombinieren und zu kalibrieren, um die Dynamik des Grundwassers besser darzustellen und Vorhersagen auf europäischer Ebene unter dem Klimawandel zu verbessern.
In dieser Position werden Sie spezifisch:
- Zur Entwicklung der Multi-Fidelity-Modellierungsplattform HydroModPy beitragen,
- Maschinenlern-basierte Ansätze implementieren, um hydraulische Eigenschaften in den Headwater-Einzugsgebieten Europas zu schätzen,
- Hydrologische Validierungsansätze zur Identifizierung von Eigenschaften der Headwater-Einzugsgebiete evaluieren,
- Hybrid-Modellierungsansätze implementieren, um das hydrologische Verhalten ungemessener Headwater-Einzugsgebiete unter Verwendung von Klimastorylines zu hindern und vorherzusagen.
Die Ergebnisse dieses Projekts werden sowohl der wissenschaftlichen Gemeinschaft als auch Praktikern zugutekommen, indem sie die Bewertung und Vorhersage der hydrologischen Reaktionen auf den Klimawandel verbessern.
Ihr Profil
Erforderliche Qualifikationen:
- MSc in Hydrologie, Hydrogeologie, Daten-/Informatik oder einem verwandten Bereich,
- Starkes Interesse an der Analyse von Umweltdaten und/oder numerischer Modellierung,
- Kenntnisse in Python-Programmierung,
- Fließende und ausgezeichnete Schreibfähigkeiten in Englisch, mit starkem Interesse an wissenschaftlicher und öffentlicher Kommunikation.
Wir bieten Ihnen
Das Projekt vereint ein Konsortium führender europäischer Institutionen, darunter die Universität Neuchâtel, die Universität Rennes 1, CNRS, BRGM, ENS Paris, Eawag und die Universität Basel. Der erfolgreiche Kandidat wird Teil einer Kohorte von 4 PhD-Studierenden, 2 Forschungsingenieuren und 7 Hauptforschern sein, die gemeinsam an Partnerinstitutionen arbeiten. Das Projekt wird von Prof. Oliver S. Schilling, Leiter der Hydrogeologie-Forschungsgruppe an der Universität Basel, betreut und von Prof. Clément Roques, Université de Neuchâtel, co-betreut. Die Position ist am Departement für Umweltwissenschaften der Universität Basel in Basel, Schweiz, vollständig finanziert für 4 Jahre und umfasst einen 3-monatigen Aufenthalt an der Universität Utrecht und einen 3-monatigen Aufenthalt beim BRGM. Am Departement für Umweltwissenschaften haben Sie Zugang zu einem umfassenden Pool an erforderlicher Informatik- und Feldinfrastruktur sowie technischem Unterstützungspersonal. Sie werden in die Graduiertenschule des Departements für Umweltwissenschaften sowie in die Swiss Water-Earth Systems PhD School integriert. Informationen zu vergangenen und laufenden Forschungsprojekten finden Sie auf der Website der Hydrogeologie-Forschungsgruppe.
Bewerbung / Kontakt
Wir akzeptieren nur Online-Bewerbungen, die über die Online-Bewerbungsplattform eingereicht werden; verwenden Sie den untenstehenden Link, um auf das Online-Bewerbungsformular zuzugreifen. Ihre Bewerbung sollte ein Motivationsschreiben (max. 1 Seite), einen Lebenslauf, eine Kopie Ihres MSc-Diploms, Kontaktdaten von mindestens zwei Referenzen und, falls zutreffend, eine Beschreibung eines Forschungsprojekts, an dem Sie gearbeitet haben oder zu dem Sie beigetragen haben, enthalten, wobei die Begründung des Projekts, die Ergebnisse und Ihr Beitrag (max. eine halbe Seite) angegeben werden sollten. Für weitere Informationen wenden Sie sich bitte an Prof. Dr. Oliver S. Schilling, oliver.schilling@unibas.ch. Die Position soll im September 2026 oder nach Vereinbarung, jedoch nicht später als Januar 2027, beginnen. Bewerbungen werden fortlaufend geprüft, die Position bleibt jedoch bis zur Besetzung offen.
PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses Arbeitgeber: Universität Basel
Die Universität Basel bietet eine herausragende Arbeitsumgebung für Doktoranden, die sich für Hydrologie und maschinelles Lernen interessieren. Mit einem vollständig finanzierten PhD-Programm, das internationale Zusammenarbeit und Zugang zu modernster Infrastruktur fördert, ermöglicht die Universität nicht nur persönliche und berufliche Entwicklung, sondern auch die Teilnahme an bedeutenden Forschungsprojekten, die einen direkten Einfluss auf die Bewältigung von Herausforderungen im Bereich Wasserressourcen haben. Die offene und unterstützende Kultur innerhalb der Abteilung für Umweltwissenschaften schafft ein inspirierendes Umfeld für innovative Forschung.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses erhalten könnten
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Fachleuten aus der Hydrologie und verwandten Bereichen in Kontakt zu treten. Stell Fragen, teile deine Interessen und zeige dein Engagement für das Thema.
✨Tipp Nummer 2
Bereite dich auf Vorstellungsgespräche vor, indem du häufige Fragen zu deinem Fachgebiet übst. Sei bereit, über deine Erfahrungen mit maschinellem Lernen und hydrologischen Modellen zu sprechen. Zeige, dass du die Herausforderungen in der Hydrologie verstehst!
✨Tipp Nummer 3
Nutze unsere Website, um dich direkt auf die PhD-Stelle zu bewerben. Das zeigt dein Interesse und deine Initiative. Achte darauf, alle geforderten Unterlagen vollständig und ansprechend zu gestalten.
✨Tipp Nummer 4
Sei proaktiv! Wenn du Fragen zur Stelle oder zum Projekt hast, zögere nicht, Prof. Dr. Oliver S. Schilling zu kontaktieren. Das zeigt dein Interesse und kann dir wertvolle Einblicke geben.
Wir glauben, dass du diese Fähigkeiten brauchst, um PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Motivationsschreiben:Dein Motivationsschreiben sollte klar und prägnant sein. Erkläre, warum du dich für dieses PhD-Programm interessierst und wie deine bisherigen Erfahrungen dich darauf vorbereiten. Vergiss nicht, deine Leidenschaft für Hydrologie und maschinelles Lernen zu betonen!
Lebenslauf:Achte darauf, dass dein Lebenslauf übersichtlich und gut strukturiert ist. Hebe relevante Erfahrungen hervor, insbesondere in den Bereichen Hydrologie, Hydrogeologie und Datenanalyse. Zeige auch deine Programmierkenntnisse in Python auf – das ist ein Muss!
Referenzen:Wähle deine Referenzen sorgfältig aus. Idealerweise sollten sie Personen sein, die deine akademischen Fähigkeiten und deine Forschungsarbeit gut kennen. Informiere sie im Voraus, damit sie bereit sind, eine positive Empfehlung abzugeben.
Online-Bewerbung:Vergiss nicht, deine Bewerbung über unsere Website einzureichen! Achte darauf, alle geforderten Dokumente beizufügen und die Fristen einzuhalten. Eine vollständige und gut durchdachte Bewerbung erhöht deine Chancen, ausgewählt zu werden!
Wie man sich auf ein Vorstellungsgespräch bei Universität Basel vorbereitet
✨Verstehe die Projektziele
Mach dich mit den Zielen des FutureFlow-Projekts vertraut. Überlege dir, wie deine Fähigkeiten in Hydrologie und maschinellem Lernen dazu beitragen können, die Herausforderungen der Modellierung von Kopfwassergebieten zu bewältigen.
✨Bereite konkrete Beispiele vor
Denke an spezifische Projekte oder Erfahrungen, die deine Kenntnisse in Python und Datenanalyse zeigen. Sei bereit, diese während des Interviews zu erläutern und zu diskutieren, wie sie auf die Anforderungen der Position zutreffen.
✨Fragen stellen
Bereite einige Fragen vor, die du dem Interviewer stellen kannst. Das zeigt dein Interesse und Engagement für das Projekt. Frage zum Beispiel nach den aktuellen Herausforderungen im Projekt oder wie das Team zusammenarbeitet.
✨Kommunikation ist der Schlüssel
Da die Position auch wissenschaftliche Kommunikation erfordert, übe, komplexe Konzepte einfach und klar zu erklären. Dies wird dir helfen, deine Ideen effektiv zu präsentieren und zu zeigen, dass du in der Lage bist, mit verschiedenen Zielgruppen zu kommunizieren.
