Auf einen Blick
- Aufgaben: Leite eine Forschungsgruppe im Bereich Physics-Informed Machine Learning für die Produktionstechnik.
- Arbeitgeber: Die Universität Stuttgart ist führend in der Spitzenforschung und interdisziplinären Zusammenarbeit.
- Mitarbeitervorteile: Erhalte eine Vergütung nach TV-L bis EG 14 und die Möglichkeit zur Habilitation.
- Warum dieser Job: Gestalte innovative Lösungen in einem internationalen Umfeld und fördere deine wissenschaftliche Karriere.
- Gewünschte Qualifikationen: Du benötigst eine exzellente Promotion und mindestens ein Jahr Postdoc-Erfahrung.
- Andere Informationen: Bewerbungen von Frauen und schwerbehinderten Personen sind besonders willkommen.
Das voraussichtliche Gehalt liegt zwischen 48000 - 84000 € pro Jahr.
Job Description
Folgende zunächst auf drei Jahre befristete, drittmittelfinanzierte Stelle ist zum nächstmöglichen Zeitpunkt in Vollzeit zu besetzen: Nachwuchsgruppenleiter*in zur Forschung im Bereich »Physics-Informed Machine Learning for Manufacturing« Thematische Einordnung: Physics-informed Machine Learning ist ein Ansatz, der Techniken des maschinellen Lernens mit physikbasierten Modellen kombiniert, um komplexe Probleme in Wissenschaft und Technik zu lösen. Das Ziel von physics-informed Machine Learning besteht darin, physikalisches Wissen und Randbedingungen in maschinelle Lernmodelle zu integrieren, um deren Genauigkeit, Robustheit und Interpretierbarkeit zu verbessern. Die einzurichtende Nachwuchsgruppe soll moderne Ansätze auf diesem Gebiet weiterentwickeln und darauf aufbauend, neue Ansätze für die Weiterentwicklung der Produktionstechnik erforschen.
Ihre Aufgaben: Aufbau und Leitung einer eigenen Forschungsgruppe im interdisziplinären Forschungsprogramm der GSaME Weiterentwicklung des Forschungsprogrammes der GSaME Durchführung unabhängiger interdisziplinärer Forschung Mitwirkung im Qualifizierungsprogramm der GSaME Ihr Profil: Die GSaME erwartet von Bewerber*innen ein abgeschlossenes einschlägiges naturwissenschaftliches, ingenieurwissenschaftliches, mathematisches oder informationstechnisches Hochschulstudium und ein nachgewiesenes Interesse an interdisziplinärer Forschung sowie: eine exzellente Promotion in einem der relevanten Fachgebiete in der Regel mindestens 1 Jahr Postdoc-Erfahrung wissenschaftliche Exzellenz, nachgewiesen durch Veröffentlichungen, Patente, Auszeichnungen, Preise, Drittmitteleinwerbung etc. Erfahrung in der interdisziplinären Forschung gewünscht vorzugsweise internationale Forschungserfahrung, in der Regel nachgewiesen durch wissenschaftliche Auslandserfahrung, internationale Veröffentlichungen oder Kooperationen mit ausländischen Forschungseinrichtungen während der Promotion oder in der Postdoc-Phase Kooperations- und Kommunikationsfähigkeit, Belastbarkeit und Kreativität idealerweise Führungserfahrung Wir bieten Ihnen: die Möglichkeit zur Habilitation oder vglb. akademischer Qualifizierung Finanzierung einer Forschungsgruppe für vorerst 3 Jahre eine Vergütung nach TV-L bis zu EG 14 ein international geprägtes Arbeitsumfeld in der Spitzenforschung der Produktionstechnik die Zusammenarbeit mit exzellenten Universitätsinstituten, der FhG und Industriepartnern Die Universität Stuttgart möchte den Anteil von Frauen im wissenschaftlichen Bereich erhöhen, weshalb Bewerbungen von qualifizierten Frauen besonders willkommen sind.
Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Die Einstellung erfolgt durch die Zentrale Verwaltung. Bitte richten Sie Ihre Bewerbung per E-Mail (z.
Hd. v. Dr.
Gabriele Erhardt, gabriele.erhardt@gsame.uni-stuttgart.de) mit den üblichen Unterlagen und einer maximal 5-seitigen Beschreibung des geplanten Forschungsvorhabens bis zum 30. September 2025 an den Vorsitzenden des Vorstandes. Prof.
Dr.-Ing. Bernhard Mitschang Universität Stuttgart GSaME Graduate School of Excellence advanced Manufacturing Engineering Nobelstr. 12 D-70569 Stuttgart www.gsame.uni-stuttgart.de Bewerbungs- und Vorstellungskosten können leider nicht erstattet werden.
Aus Verwaltungs- und Kostengründen werden Ihre Bewerbungsunterlagen nicht zurückgesandt und nach Abschluss des Auswahlverfahrens datenschutzgerecht vernichtet. Informationen nach Art. 13 DS-GVO zum Umgang mit Bewerberdaten finden Sie unter https://uni-stuttgart.de/datenschutz/bewerbung/.Informationstechnik (IT) Maschinenbau Produktionstechnik Physik Informatik Mathematik Physik Mathematik Gruppenleitung, Teamleitung, Laborleitung, Abteilungsleitung, Referatsleitung Lehre & Forschung, Wissenschaft IT, EDV, Telekommunikation Universität Vollzeit>
Nachwuchsgruppenleiter*in zur Forschung im Bereich »Physics-Informed Machine Learning for Manufac... Arbeitgeber: Universität Stuttgart

Kontaktperson:
Universität Stuttgart HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Nachwuchsgruppenleiter*in zur Forschung im Bereich »Physics-Informed Machine Learning for Manufac...
✨Tipp Nummer 1
Netzwerke sind entscheidend! Nutze Plattformen wie LinkedIn, um dich mit Fachleuten aus dem Bereich 'Physics-Informed Machine Learning' zu vernetzen. Nimm an Konferenzen und Workshops teil, um deine Sichtbarkeit zu erhöhen und potenzielle Kontakte zu knüpfen.
✨Tipp Nummer 2
Zeige dein Interesse an interdisziplinärer Forschung, indem du aktiv an Projekten oder Publikationen mitarbeitest, die verschiedene Disziplinen kombinieren. Dies wird dir helfen, deine Eignung für die Leitung einer Forschungsgruppe zu unterstreichen.
✨Tipp Nummer 3
Bereite dich auf mögliche Interviews vor, indem du aktuelle Trends und Herausforderungen im Bereich der Produktionstechnik und des maschinellen Lernens recherchierst. Zeige, dass du nicht nur über theoretisches Wissen verfügst, sondern auch praktische Lösungen anbieten kannst.
✨Tipp Nummer 4
Erwäge, ein Forschungsvorhaben zu skizzieren, das du in deiner Bewerbung präsentieren kannst. Dies zeigt nicht nur deine Initiative, sondern gibt den Entscheidungsträgern auch einen Einblick in deine Vision und deinen Forschungsansatz.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Nachwuchsgruppenleiter*in zur Forschung im Bereich »Physics-Informed Machine Learning for Manufac...
Tipps für deine Bewerbung 🫡
Forschung betreiben: Informiere dich gründlich über die GSaME und deren Forschungsprogramm. Verstehe die spezifischen Anforderungen und Ziele der Nachwuchsgruppenleiter*in-Position, um deine Bewerbung gezielt darauf auszurichten.
Dokumente vorbereiten: Stelle sicher, dass du alle erforderlichen Unterlagen bereit hast, einschließlich deines Lebenslaufs, deiner Promotionsurkunde, Nachweise über Veröffentlichungen und Patente sowie eine detaillierte Beschreibung deines geplanten Forschungsvorhabens.
Motivationsschreiben verfassen: Schreibe ein überzeugendes Motivationsschreiben, in dem du deine interdisziplinäre Forschungserfahrung, deine Führungsqualitäten und deine Vision für die zukünftige Entwicklung der Forschungsgruppe darlegst.
Bewerbung einreichen: Sende deine vollständigen Bewerbungsunterlagen per E-Mail an die angegebene Adresse. Achte darauf, dass alle Informationen korrekt und vollständig sind, bevor du die Bewerbung abschickst.
Wie du dich auf ein Vorstellungsgespräch bei Universität Stuttgart vorbereitest
✨Verstehe die Grundlagen von Physics-Informed Machine Learning
Bereite dich darauf vor, dein Wissen über Physics-Informed Machine Learning zu demonstrieren. Sei bereit, spezifische Beispiele zu nennen, wie du physikalisches Wissen in maschinelle Lernmodelle integriert hast oder welche Herausforderungen du dabei überwunden hast.
✨Präsentiere deine interdisziplinäre Forschungserfahrung
Hebe deine Erfahrungen in der interdisziplinären Forschung hervor. Diskutiere, wie du mit verschiedenen Fachbereichen zusammengearbeitet hast und welche Ergebnisse daraus entstanden sind. Dies zeigt deine Fähigkeit, in einem interdisziplinären Umfeld zu arbeiten.
✨Bereite eine klare Forschungsvision vor
Entwickle eine prägnante Beschreibung deines geplanten Forschungsvorhabens. Stelle sicher, dass du die Ziele, Methoden und den potenziellen Einfluss deiner Forschung klar kommunizieren kannst. Dies wird dir helfen, deine Eignung für die Leitung einer eigenen Forschungsgruppe zu unterstreichen.
✨Zeige Führungsqualitäten
Bereite Beispiele vor, die deine Führungsfähigkeiten belegen. Diskutiere, wie du Teams geleitet hast, Herausforderungen gemeistert hast und kreative Lösungen gefunden hast. Dies ist besonders wichtig, da die Position die Leitung einer eigenen Gruppe erfordert.