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 Institute for Technologies and Management of Digital Transformation, suchen wir Unterstützung.Wir am Institut für Technologien und Management der Digitalen Transformation (TMDT) erforschen als interdisziplinäres Institut die technischen, organisatorischen und gesellschaftlichen Aspekte der digitalen Transformation. Im Forschungsbereich "Industrial Deep Learning" entwickeln wir innovative KI-Methoden für industrielle Anwendungen, von der Grundlagenforschung bis zum produktionsnahen Einsatz. Für das Projekt Flex4Green, welches die Entwicklung von Reinforcement Learning und Deep Learning Methoden für die Produktions- und Montageplanung von Flugzeugrümpfen zum Ziel hat, suchen wir eine*n engagierte*n wissenschaftliche*n Mitarbeiter*in. Es besteht die Möglichkeit auf Verlängerung des Arbeitsvertrags nach Projektende. IHRE AUFGABEN- Wissenschaftliche Erforschung neuer Ansätze in Neural Combinatorial Optimization, Reinforcement Learning und Deep Learning- Entwicklung, Training und Evaluierung von Lernmodellen zur Lösung komplexer Planungsprobleme- Veröffentlichung und Präsentation der Forschungsergebnisse auf wissenschaftlichen Konferenzen und in Fachjournalen- Mitarbeit an einem interdisziplinären Forschungsteam mit Industriepartnern- Weiterentwicklung der wissenschaftlichen, fachlichen und persönlichen KompetenzenWissenschaftliche*r Mitarbeiter*in im Bereich Reinforcement Learning für PlanungsproblemeIHR PROFIL- abgeschlossenes Hochschulstudium (Master oder vergleichbarer Abschluss) der Fachrichtung Informatik, Mathematik, Physik, Ingenieurwissenschaften oder vergleichbarer Studiengänge- großes Interesse an anwendungsnaher KI-Forschung mit wissenschaftlicher Tiefe- Selbstständigkeit, Kreativität und Freude an neuen Technologien- Kommunikationsstärke und Teamfähigkeit- verhandlungssichere Deutschkenntnisse, mindestens sehr gute Englischkenntnisse- Erfahrung mit mindestens einer Programmiersprache (z. B. Python, Java, C++)- Kenntnisse in der Nutzung von Bibliotheken und Frameworks für Deep Learning oder Reinforcement Learning (z. B. TensorFlow, PyTorch, RLlib, TorchRL)Darüber hinaus wünschenswert sind- Erfahrung mit Reinforcement Learning Algorithmen (z. B. PPO, DDPG, Q-Learning)- Erfahrung im wissenschaftlichen SchreibenEs handelt sich um eine Qualifizierungsstelle im Sinne des Wissenschaftszeitvertragsgesetzes (WissZeitVG), die zur Förderung der folgenden wissenschaftlichen oder künstlerischen Qualifizierung besetzt werden kann: Erwerb von Berufserfahrungen bei der Durchführung des Projektes "Flex4Green".Die Laufzeit des Arbeitsvertrags wird der angestrebten wissenschaftlichen Qualifizierung angemessen gestaltet.Beginn zum nächstmöglichen ZeitpunktDauer befristet bis 30.06.2027Stellenwert E 13 TV-LUmfang Vollzeit (Teilzeit ist möglich, bitte geben Sie bei der Bewerbung an, ob Sie auch bzw. nur an einer Teilzeitbeschäftigung interessiert wären)Kennziffer 25321Ansprechpartner Herr Prof. Dr.-Ing. Tobias Meisen, (E-Mail Adresse gelöscht)Bewerbungen über stellenausschreibungen.uni-(Website-Link gelöscht)Bewerbungsfrist 01.12.2025An 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.