Finde einen Job 
Finde eine Ausbildung 
Top Arbeitgeber 
Top Universitäten 
Für Unternehmen Auf einen Blick
- Aufgaben: Leite deine eigene Forschungsgruppe im Bereich Physics-Informed Machine Learning.
- Arbeitgeber: Die Universität Stuttgart ist führend in der Spitzenforschung der Produktionstechnik.
- Mitarbeitervorteile: Erhalte eine Vergütung nach TV-L bis zu EG 14 und die Möglichkeit zur Habilitation.
- Warum dieser Job: Entwickle innovative Ansätze und arbeite interdisziplinär in einem internationalen Umfeld.
- Gewünschte Qualifikationen: Du benötigst ein abgeschlossenes Studium und mindestens 1 Jahr Postdoc-Erfahrung.
- Andere Informationen: Bewerbungen von Frauen und schwerbehinderten Personen sind besonders willkommen.
Das voraussichtliche Gehalt liegt zwischen 48000 - 67000 € 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 MitschangUniversität StuttgartGSaME Graduate School of Excellence advanced Manufacturing EngineeringNobelstr. 12D-70569 Stuttgartwww.gsame.uni-stuttgart.deBewerbungs- 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 unterhttps://uni-stuttgart.de/datenschutz/bewerbung/.
Nachwuchsgruppenleiterin zur Forschung im Bereich »Physics-Informed Machine Learning for Manufact... Arbeitgeber: Universität Stuttgart
Kontaktperson:
Universität Stuttgart HR Team
StudySmarter Bewerbungstipps 🤫
So bekommst du den Job: Nachwuchsgruppenleiterin zur Forschung im Bereich »Physics-Informed Machine Learning for Manufact...
✨Tipp Nummer 1
Netzwerke sind entscheidend! Nutze Plattformen wie LinkedIn, um dich mit Fachleuten im Bereich Physics-Informed Machine Learning zu vernetzen. Suche nach Gruppen oder Foren, die sich mit interdisziplinärer Forschung beschäftigen, und beteilige dich aktiv an Diskussionen.
✨Tipp Nummer 2
Informiere dich über aktuelle Trends und Entwicklungen in der Produktionstechnik und im maschinellen Lernen. Zeige in Gesprächen oder Interviews, dass du auf dem neuesten Stand bist und innovative Ideen zur Weiterentwicklung des Forschungsprogramms einbringen kannst.
✨Tipp Nummer 3
Bereite dich darauf vor, deine bisherigen Forschungsprojekte und deren Ergebnisse klar und überzeugend zu präsentieren. Überlege dir, wie du deine Erfahrungen in interdisziplinären Teams und internationale Kooperationen hervorheben kannst, um deine Eignung für die Leitung einer eigenen Forschungsgruppe zu unterstreichen.
✨Tipp Nummer 4
Nutze die Gelegenheit, dich über die GSaME und ihre Forschungsziele zu informieren. Wenn du während des Bewerbungsprozesses Fragen hast, zögere nicht, diese zu stellen. Das zeigt dein Interesse und Engagement für die Position und die Institution.
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Nachwuchsgruppenleiterin zur Forschung im Bereich »Physics-Informed Machine Learning for Manufact...
Tipps für deine Bewerbung 🫡
Forschung und Verständnis: Informiere dich gründlich über die GSaME und deren Forschungsprogramm. Verstehe die spezifischen Anforderungen der Stelle und die Ziele der Nachwuchsgruppe im Bereich 'Physics-Informed Machine Learning'.
Dokumente vorbereiten: Stelle sicher, dass du alle erforderlichen Unterlagen hast, einschließlich deines Lebenslaufs, deiner Promotionsurkunde, Nachweise über deine Postdoc-Erfahrung sowie eine Liste deiner Veröffentlichungen und Auszeichnungen.
Forschungsvorhaben formulieren: Verfasse eine klare und prägnante Beschreibung deines geplanten Forschungsvorhabens (maximal 5 Seiten). Achte darauf, wie dein Vorhaben zur Weiterentwicklung der Produktionstechnik beiträgt und welche innovativen Ansätze du verfolgen möchtest.
Bewerbung einreichen: Sende deine Bewerbung per E-Mail an die angegebene Adresse. Achte darauf, dass alle Dokumente vollständig sind und die E-Mail professionell formuliert ist. Überprüfe alles auf Rechtschreibung und Grammatik, bevor du sie abschickst.
Wie du dich auf ein Vorstellungsgespräch bei Universität Stuttgart vorbereitest
✨Verstehe die Grundlagen von Physics-Informed Machine Learning
Mach dich mit den Konzepten und Techniken des physics-informed Machine Learning vertraut. Zeige im Interview, dass du die Verbindung zwischen physikalischen Modellen und maschinellem Lernen verstehst und wie diese Ansätze in der Produktionstechnik angewendet werden können.
✨Bereite deine Forschungsvision vor
Entwickle eine klare und überzeugende Vorstellung davon, wie du deine eigene Forschungsgruppe aufbauen und leiten möchtest. Überlege dir spezifische Projekte oder Themen, die du verfolgen möchtest, und sei bereit, diese im Interview zu präsentieren.
✨Hebe deine interdisziplinäre Erfahrung hervor
Betone deine Erfahrungen in der interdisziplinären Forschung und wie diese dich auf die Herausforderungen der Position vorbereiten. Sei bereit, konkrete Beispiele zu nennen, die deine Fähigkeit zur Zusammenarbeit mit verschiedenen Fachbereichen zeigen.
✨Zeige Führungsqualitäten
Wenn du Führungserfahrung hast, stelle sicher, dass du diese im Interview hervorhebst. Diskutiere, wie du Teams motivieren und leiten kannst, um innovative Lösungen zu entwickeln, und wie du eine positive Forschungsumgebung schaffen möchtest.
