Wissenschaftlicher Mitarbeiter (PostDoc, m/w/d) mit dem Arbeitsschwerpunkt Hybrid Modeling

Projekt
Hybrid Modeling ist ein Ansatz, der in der Prozessindustrie zunehmend an Bedeutung gewinnt. Er kombiniert physikbasierte Modelle (First-Principles-Modelle) mit datengetriebenen Modellen, um die Vorteile beider Ansätze zu nutzen und deren jeweilige Schwächen zu minimieren. Gerade im Bereich des Life Science Engineering (z.B. Getränke- und Lebensmittelindustrie, (pharmazeutische) Biotechnologie) stoßen streng physikalische Modelle aufgrund der hohen Prozessvariabilität und des oft limitierten Prozessverständnisses an ihre Grenzen. Statistische Verfahren und maschinelles Lernen basieren hingegen rein auf Daten und verzichten selbst auf grundlegendes Prozessverständnis, weswegen sie oft nur eine eingeschränkte Vorhersagekraft besitzen. In diesem explorativen Projekt sollen, in Zusammenarbeit mit experimentell arbeitenden Mitarbeiterinnen und Mitarbeitern des Lehrstuhls, hybride Prozess-/Produktmodelle entwickelt werden. Die am Lehrstuhl bereits untersuchten Anwendungen im Bereich Life Science Engineering sind vielfältig (z.B. Fermentation, Kaffeeextraktion, alternative Proteine oder Kristallisation). Als physikbasierte Modelle kommen sämtliche klassischen Kontinuumsmodelle für Stoff-, Energie-, und Impulstransport (CFD) sowie Populationsbilanzen in Frage. Als datengetriebene Ansätze sollen Methoden des maschinellen Lernens zum Einsatz kommen. Die Anwendungen und Methoden können dabei auf Ihre Interessen angepasst werden.
Ihr Profil
Geeignete Bewerber (m/w/d) besitzen sehr gute Kommunikationsfähigkeiten in englischer Sprache und Grundkenntnisse in deutscher Sprache, sowie großes Interesse an interdisziplinärer Zusammenarbeit und an modell-basierten Fragestellungen. Voraussetzung für eine Einstellung ist in der Regel ein mit überdurchschnittlichem Erfolg abgeschlossenes Studium in den Fächern Verfahrenstechnik/Chemieingenieurwesen, Biotechnologie, Life Science Engineering, Computational Engineering, An-gewandte Mathematik oder einer verwandten Fachrichtung, sowie eine Promotion, in der Vorkenntnisse im Bereich der Modellierung und Simulation erworben wurden. Im Optimalfall wurden bereits in der Promotion datengetriebene und physikbasierte Modelle für einschlägige Prozesse des Life Science Engineering kombiniert.
Unser Angebot
Die Position soll zum nächstmöglichen Zeitpunkt besetzt werden. Die Stelle ist zunächst auf zwei Jahre befristet.