Die Bergische Universität Wuppertal ist eine dynamische, vernetzte, forschungsorientierte Campusuniversität. Gemeinsam stellen sich hier mehr als 26.000 Forschende, Lehrende, Studierende und Mitarbeitende den Herausforderungen in Gesellschaft, Kultur, Bildung, Ökonomie, Technik, Natur und Umwelt.
An der Bergischen Universität Wuppertal suchen wir im von der Deutschen Forschungsgemeinschaft geförderten Sonderforschungsbereich SFB 1701 „Port-Hamiltonian Systems“ Unterstützung. Die Stelle befasst sich mit Struktur-erhaltendem Scientific Machine Learning für port-Hamiltonsche gewöhnliche Differentialgleichungen und differential-algebraische Gleichungen.
SIE ERWARTET
* Ein ausgezeichnetes Forschungsumfeld in einem lebendigen interdisziplinären Forschungsverbund
* Internationale Zusammenarbeit und Austausch
* Forschung, die die Theorie der port-Hamiltonschen Systeme voranbringt
* Unterstützung, Betreuung und professionelle Weiterbildung, um Sie auf Spitzenleistungen in Ihrer Forschung vorzubereiten, interdisziplinäre Forschung zu fördern und Karriereentwicklungsmöglichkeiten einzubeziehen
Weitere Informationen finden Sie unter, und .
IHRE AUFGABEN
* Mitarbeit an der Forschung im Projekt „Datengetriebene Surrogatmodellierung für differential-algebraische port-Hamiltonsche Systeme“ des SFB 1701 unter der Leitung von Prof. Dr. Peter Zaspel und Prof. Dr. Michael Günther
* Gemeinsame Entwicklung und Veröffentlichung wissenschaftlicher Artikel, Präsentation der Ergebnisse auf Workshops und Konferenzen
* Zunehmend eigenständige Entwicklung von Forschungsideen im Bereich des SFB und Anfertigung einer Dissertation
* Beteiligung an der Vernetzung innerhalb der Mitglieder des SFB, in die Fakultät hinein und die kooperierenden Fakultäten, national und international
* Teilnahme und Mitwirkung an den Angeboten des strukturierten Doktorandenprogrammes des SFB 1701
IHR PROFIL
* Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) im Fach Mathematik, Informatik, Physik oder einem verwandten Fachgebiet
* Fundierte Kenntnisse in (Scientific) Maschine Learning sowie Kenntnisse in numerischer Analysis und numerischer linearer Algebra
* Kenntnisse in paralleler Programmierung sind wünschenswert. Vorkenntnisse in differential-algebraischen Gleichungen, Gauß-Prozessen oder Kern-basierten Methoden sind von Vorteil
* Programmiererfahrung in Python oder C/C++
* Gute Englischkenntnisse, sowohl als lokale Arbeitssprache als auch wegen der internationalen Zusammenarbeit
* Kompetente Persönlichkeit mit Eigeninitiative und Engagement, die in der Lage ist, selbstständig und in Kooperationen zu arbeiten
Es handelt sich um Qualifizierungsstellen im Sinne des Wissenschaftszeitvertragsgesetzes (WissZeitVG), die der Durchführung eines drittmittelfinanzierten Forschungsprojektes dient. Die Laufzeit des Arbeitsvertrages wird der angestrebten wissenschaftlichen Qualifizierung angemessen gestaltet.
Beginn
zum nächstmöglichen Zeitpunkt
Dauer
befristet bis 31.12.2028
Stellenwert
E 13 TV-L
Umfang
Teilzeit 75 % der tariflichen Arbeitszeit
Kennziffer
25063
Ansprechpartner*in
Herr Prof. Dr. Peter Zaspel
zaspel@uni-wuppertal.de
Herr Prof. Dr. Michael Günther
guenther@uni-wuppertal.de
Bewerbungen über
stellenausschreibungen.uni-wuppertal.de
Bewerbungsfrist
15.07.2025
Die Bergische Universität Wuppertal ist eine dynamische, vernetzte, forschungsorientierte Campusuniversität. Gemeinsam stellen sich hier mehr als 26.000 Forschende, Lehrende, Studierende und Mitarbeitende den Herausforderungen in Gesellschaft, Kultur, Bildung, Ökonomie, Technik, Natur und Umwelt.
An der Bergischen Universität Wuppertal suchen wir im von der Deutschen Forschungsgemeinschaft geförderten Sonderforschungsbereich SFB 1701 „Port-Hamiltonian Systems“ Unterstützung. Die Stelle befasst sich mit Struktur-erhaltendem Scientific Machine Learning für port-Hamiltonsche gewöhnliche Differentialgleichungen und differential-algebraische Gleichungen.
SIE ERWARTET
* Ein ausgezeichnetes Forschungsumfeld in einem lebendigen interdisziplinären Forschungsverbund
* Internationale Zusammenarbeit und Austausch
* Forschung, die die Theorie der port-Hamiltonschen Systeme voranbringt
* Unterstützung, Betreuung und professionelle Weiterbildung, um Sie auf Spitzenleistungen in Ihrer Forschung vorzubereiten, interdisziplinäre Forschung zu fördern und Karriereentwicklungsmöglichkeiten einzubeziehen
Weitere Informationen finden Sie unter, und .
IHRE AUFGABEN
* Mitarbeit an der Forschung im Projekt „Datengetriebene Surrogatmodellierung für differential-algebraische port-Hamiltonsche Systeme“ des SFB 1701 unter der Leitung von Prof. Dr. Peter Zaspel und Prof. Dr. Michael Günther
* Gemeinsame Entwicklung und Veröffentlichung wissenschaftlicher Artikel, Präsentation der Ergebnisse auf Workshops und Konferenzen
* Zunehmend eigenständige Entwicklung von Forschungsideen im Bereich des SFB und Anfertigung einer Dissertation
* Beteiligung an der Vernetzung innerhalb der Mitglieder des SFB, in die Fakultät hinein und die kooperierenden Fakultäten, national und international
* Teilnahme und Mitwirkung an den Angeboten des strukturierten Doktorandenprogrammes des SFB 1701
IHR PROFIL
* Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) im Fach Mathematik, Informatik, Physik oder einem verwandten Fachgebiet
* Fundierte Kenntnisse in (Scientific) Maschine Learning sowie Kenntnisse in numerischer Analysis und numerischer linearer Algebra
* Kenntnisse in paralleler Programmierung sind wünschenswert. Vorkenntnisse in differential-algebraischen Gleichungen, Gauß-Prozessen oder Kern-basierten Methoden sind von Vorteil
* Programmiererfahrung in Python oder C/C++
* Gute Englischkenntnisse, sowohl als lokale Arbeitssprache als auch wegen der internationalen Zusammenarbeit
* Kompetente Persönlichkeit mit Eigeninitiative und Engagement, die in der Lage ist, selbstständig und in Kooperationen zu arbeiten
Es handelt sich um Qualifizierungsstellen im Sinne des Wissenschaftszeitvertragsgesetzes (WissZeitVG), die der Durchführung eines drittmittelfinanzierten Forschungsprojektes dient. Die Laufzeit des Arbeitsvertrages wird der angestrebten wissenschaftlichen Qualifizierung angemessen gestaltet.
Beginn
zum nächstmöglichen Zeitpunkt
Dauer
befristet bis 31.12.2028
Stellenwert
E 13 TV-L
Umfang
Teilzeit 75 % der tariflichen Arbeitszeit
Kennziffer
25063
Ansprechpartner*in
Herr Prof. Dr. Peter Zaspel
zaspel@uni-wuppertal.de
Herr Prof. Dr. Michael Günther
guenther@uni-wuppertal.de
Bewerbungen über
stellenausschreibungen.uni-wuppertal.de
Bewerbungsfrist
15.07.2025
WIR BIETEN IHNEN
Kollegiales und wertschätzendes Miteinander
Betriebliches Gesundheitsmanagement und UniSport
Flexible Arbeitszeiten und Homeoffice
Arbeiten in internationalem Kontext
30 Urlaubstage
Großes Fort- und Weiterbildungsangebot
Familienfreundliche Arbeitsbedingungen
Betriebliche Altersvorsorge
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, um unserem Anspruch exzellenter Forschung gerecht werden zu können. Diese Werte sind auch zentraler Bestandteil des SFB 1701. Bewerbungen von Menschen jeglichen Geschlechts sowie von Menschen mit Behinderung 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.
DER BEWERBUNG SIND BEIZUFÜGEN
* ein Motivationsschreiben
* aktueller Lebenslauf
* das Zeugnis des Bachelorabschlusses, einschließlich Diploma Supplement
* das Zeugnis des Masterabschlusses, einschließlich Diploma Supplement. Falls das Masterzeugnis noch nicht vorgelegt werden kann, können auch Nachweise über die bisherigen Studienleistungen oder ein vorläufiges Prüfungszeugnis vorgelegt werden
Bitte verzichten Sie auf ein Foto in Ihren Bewerbungsunterlagen. Für die Auswahl zählen allein ihre Qualifikation und bisherigen Erfahrungen. Unvollständig eingereichte Bewerbungen können nicht berücksichtigt werden!