Ihre Aufgaben:
* Erforschung der Eignung und Grenzen von Large Language Models (LLMs) für die Auswertung von Texten und Grafiken zur Generierung von Struktur- und Dynamikmodellen technischer Systeme
* Entwicklung von Methoden zur automatischen Modularisierung komplexer Systeme mithilfe von LLMs
* Integration von Wissen in „Physics-informed Neural Networks“ (PINNs)
* Evaluierung und Validierung der entwickelten Methoden anhand praxisnaher Fallstudien aus der industriellen Automatisierung, z. B. von Produktionsanlagen
* Publikation wissenschaftlicher Ergebnisse in internationalen Fachzeitschriften und auf Konferenzen
Ihr Profil:
* Abgeschlossenes ingenieurwissenschaftliches Masterstudium (z. B. Automatisierungstechnik, Elektro- und Informationstechnik, technische Informatik, Data Science) mit einer Gesamtnote von 2,0 oder besser.
* Fundierte Kenntnisse im Bereich Machine Learning und Deep Learning
* Fundierte Kenntnisse in der Modellierung technischer Systeme
* Solide Kenntnisse in mindestens einer objektorientierten Programmiersprache (idealerweise Python) und in mindestens einer Software-Entwicklungsumgebung
* Beherrschung der deutschen Sprache mindestens auf Niveau C1, Englisch-Kenntnisse mindestens auf Niveau B2
* Vorteilhaft sind Erfahrungen mit der Nutzung von APIs von Large Language Models (LLMs) (z. B. OpenAI API, Anthropic Claude API), Physics-informed Neural Networks (PINNs) sowie der Unsicherheitsquantifizierung und Robustheit von KI-Systemen
* Vorteilhaft sind Erfahrungen in der industriellen Automatisierung oder der industriellen KI-Anwendung
Wir bieten:
* anspruchsvolle und abwechslungsreiche Aufgaben mit hoher Eigenverantwortung
* Zusammenarbeit in einem interdisziplinären, internationalen Team
* ein freundliches und kollegiales Umfeld
* fachliche und methodische Unterstützung auf dem Weg zur Promotion zum Dr.-Ing.
* eine Beschäftigung an einer der größten Universitäten Deutschlands