Die Bergische Universität Wuppertal ist eine dynamische, vernetzte, forschungs-orientierte Campusuniversität. Gemeinsam stellen sich hier mehr als 25.000 Forschende, Lehrende, Studierende und Mitarbeitende den Herausforderungen in Wissenschaft, Bildung, Kultur, Ökonomie, Sozialem, Technik und Umwelt.
In der Fakultät für Elektrotechnik, Informationstechnik und Medientechnik, am Lehrstuhl für Automatisierungstechnik / Informatik, suchen wir Unterstützung.
IHRE AUFGABEN
- Entwicklung und Anwendung von Methoden des Maschinellen Lernens zur Analyse und Vorhersage industrieller Prozessdaten
- Enge Zusammenarbeit mit einem Industriepartner im Forschungsvorhaben zur Emissionsminderung durch eine modulare Prozessregelung und -überwachung in der Aluminiumelektrolyse (EMPRO-Al)
- Konzeption und Implementierung datengetriebener Module zur Prozessoptimierung und Störungserkennung
- Planung, Durchführung und Auswertung von Versuchen gemeinsam mit dem Industriepartner
- Kritische Bewertung wissenschaftlicher Literatur im Bereich des Maschinellen Lernens mit strukturierten Daten
- Dokumentation der Forschungsergebnisse sowie Erstellung von Zwischen- und Abschlussberichten
- Präsentation der Ergebnisse am Lehrstuhl, beim Industriepartner und auf internationalen Fachkonferenzen
Wissenschaftliche*r
Mitarbeiter*in
IHR PROFIL
- Erfolgreich abgeschlossenes Universitätsstudium (Master oder vergleichbarer Abschluss) in der Elektrotechnik, Informatik oder einem verwandten Fachgebiet
- Praktische Erfahrung im Bereich Maschinelles Lernen mit strukturierten Daten
- Gute Programmierkenntnisse, vorzugsweise in Python
- Kenntnisse in der Analyse und Vorhersage von Zeitreihen
- Erfahrungen im Umgang mit gängigen Bibliotheken und Frameworks der Datenanalyse und des Maschinellen Lernens (z. B. scikit-learn, statsmodels, pandas, fastai, PyTorch, lightGBM, XGBoost, CatBoost)
- Idealerweise Kenntnisse industrieller Prozesse, insbesondere in der Aluminiumherstellung
- Teamfähigkeit in der interdisziplinären Zusammenarbeit mit einem Industriepartner
- Kreativität, Eigeninitiative und Motivation zur Entwicklung innovativer Lösungsansätze sowie zur Erarbeitung eigenständiger wissenschaftlicher Beiträge
Es handelt sich um eine Qualifizierungsstelle im Sinne des Wissenschaftszeitvertrags-gesetzes (WissZeitVG), die zur Förderung der folgenden wissenschaftlichen oder künstlerischen Qualifizierung besetzt werden kann: Erwerb von Berufserfahrungen bei der Durchführung des Projektes „Emissionsminderung durch eine modulare Prozessregelung und -überwachung in der Aluminiumelektrolyse (EMPRO-Al)“. Die Laufzeit des Arbeitsvertrages wird der angestrebten wissenschaftlichen Qualifizierung angemessen gestaltet.
Beginn
01.06.2026
(unter Vorbehalt der endgültigen Bewilligung der Projektmittel durch den Drittmittelgeber)
Dauer
befristet bis zum 31.05.2029
Stellenwert
E 13 TV-L
Umfang
Vollzeit (Teilzeit ist möglich, bitte geben Sie bei der Bewerbung an, ob Sie auch bzw. nur an einer Teilzeitbeschäftigung interessiert wären)
Kennziffer
26066
Ansprechpartner
Herr Prof. Dr.-Ing. Dietmar Tutsch
[E-Mail Adresse gelöscht]
Bewerbungen über
stellenausschreibungen.uni-[Website-Link gelöscht]
Bewerbungsfrist
06.04.2026
An der Bergischen Universität schätzen wir die individuellen und kulturellen Unterschiede unserer Universitätsangehörigen und setzen uns für Gleichstellung, Chancengerechtigkeit und die Vereinbarkeit von Familie und Beruf ein. Bewerbungen von Menschen jeglichen Geschlechts sowie von Menschen mit Schwerbehinderung und ihnen gleichgestellten Personen sind willkommen. Frauen werden nach Maßgabe des Landesgleichstellungsgesetzes NRW bevorzugt berücksichtigt, sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen. Die Rechte von Menschen mit einer Schwerbehinderung, bei gleicher Eignung bevorzugt berücksichtigt zu werden, bleiben unberührt.
Bewerbungen umfassen alle notwendigen Unterlagen (Anschreiben, Lebenslauf, Nachweis des abgeschlossenen Hochschulstudiums, Arbeitszeugnisse, ggf. Nachweis einer Schwerbehinderung). Unvollständig eingereichte Bewerbungen können nicht berücksichtigt werden!
.