Promovierte*r wissenschaftliche*r Mitarbeiter*in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vglb.
Entgeltgruppe E 13 TVöD
Zeitvertrag für 24 Monate
Beschäftigungsumfang Vollzeit/teilzeitgeeignet
Die Bundesanstalt für Materialforschung und -prüfung (BAM) ist eine wissenschaftlich-technische Bundesoberbehörde mit Sitz in Berlin. Als Ressortforschungseinrichtung des Bundesministeriums für Wirtschaft und Energie forschen, prüfen und beraten wir zum Schutz von Menschen, Umwelt und Sachgütern. Im Fokus unserer Tätigkeiten in der Materialwissenschaft, der Werkstofftechnik und der Chemie steht dabei die technische Sicherheit von Produkten und Prozessen.
Wir bieten:
- Zugang zu hochwertigen Fortbildungsangeboten und Trainings zu Digitalisierungsthemen wie Programmierung, Forschungsdatenmanagement, KI-Anwendungen und maschinellem Rechnen in der Wissenschaft.
- Vernetzung und Austausch in unseren interdisziplinären Digitalisierungs-Communities sowie auf BAM Digitalisierungsevents, um gemeinsam mit unseren Expert*innen innovative Lösungen zu entwickeln.
- Gezielter Kompetenzerwerb in Schlüsseltechnologien der Labordigitalisierung – moderne Programmierparadigmen, Anschluss an das elektronische Laborbuch und Entwicklung von Metadatenformaten und Ontologien – durch praxisnahe Lernformate wie Workshops, Online-Kurse und kollaborative Trainings mit gebündelten Wissensquellen.
- Möglichkeit zur aktiven Mitgestaltung von BAM-Digitalisierungsprojekten und zur Einbringung eigener Ideen für digitale Innovationen.
Werden Sie Teil unseres Teams von engagierten Mitarbeitenden!
- Job-ID: J000000255
- Einsatzort: Berlin
- Organisationseinheit: Fachbereich 7.7: Modellierung und Simulation
- Tätigkeitsbereich: Wissenschaft/Forschung
- Art der Anstellung: Vollzeit / Teilzeit möglich
- Veröffentlicht: 24.08.2026
Ihre AufgabenIhre Aufgaben
Neural Operators werden in diesem Projekt mit klassischen numerischen Verfahren kombiniert, um parametrisierte Finite-Elemente-Modelle effizient zu approximieren. Durch die Integration datengetriebener und FEM-basierter Ansätze werden hybride Modelle entwickelt, die echtzeitfähige digitale Zwillinge, eine Kalibrierung von Modellparametern mit Unsicherheitsquantifizierung sowie eine probabilistische Darstellungen der verbleibenden Modellfehler unterstützen.
- Entwicklung und Implementierung von FEM-Modellen in FEniCSx sowie deren Integration in Neural Operators und PINNs
- Validierung und Unsicherheitsquantifizierung dieser Metamodelle
- Kalibrierung von Modellparametern unter Unsicherheiten anhand experimenteller Daten unter Verwendung dieser Metamodelle
- Entwicklung datengetriebener Ansätze zur Modellierung der Prognosegenauigkeit unter Berücksichtigung von Modellfehlern
- Dokumentation der entwickelten Methoden
- Verfassen wissenschaftlicher Publikationen und Mitwirkung an der Ausarbeitung von Forschungsanträgen
- Präsentation der Ergebnisse auf wissenschaftlichen Tagungen
Ihre QualifikationenIhre Qualifikationen
Zwingend notwendig sind:
- Abgeschlossenes wissenschaftliches Hochschulstudium (Diplom/ Master) sowie Promotion in der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder eines vergleichbaren Studiengangs
- Ausgewiesene Kenntnisse und praktische Erfahrung in der Entwicklung von FEM-Anwendungen unter Verwendung programmierbarer FE-Software (z.B. FEniCSx), einschließlich der Implementierung von Materialmodellen, Elementformulierungen oder numerischen Lösungsverfahren
- Vertiefte Kenntnisse im Bereich wissenschaftlicher Programmierung, vorzugsweise in Python, sowie Erfahrung mit modernen Methoden der Softwareentwicklung
- Erfahrung in der Implementierung von Methoden des maschinellen Lernens und Deep Learnings
- Sehr gute Englischkenntnisse in Wort und Schrift, sowie gute Präsentations‑ und Publikationsfähigkeiten
Wünschenswert wäre darüber hinaus:
- Erfahrung mit Scientific-Machine-Learning-Ansätzen, insbesondere PINNs und Neural Operators (z. B. DeepONet, Fourier Neural Operators)
- Kenntnisse in den Bereichen Unsicherheitsquantifizierung, inverse Probleme, Bayes'sche Inferenz oder Parameteridentifikation
Außerdem sollten Sie folgendes mitbringen:
- Initiative/Einsatzbereitschaft und -fähigkeit
- Teamfähigkeit und Kooperationsbereitschaft
- zielorientierte und strukturierte Arbeitsweise
- Entscheidungsbereitschaft und -fähigkeit
- Gutes Kommunikations- und Informationsverhalten
Unsere BenefitsUnsere Benefits
- 30 Urlaubstage bei einer 5-Tage-Woche
- Arbeit in nationalen und internationalen Netzwerken mit Universitäten, Forschungseinrichtungen und Industrieunternehmen
- Attraktives und modernes Arbeitsumfeld mit hervorragender Infrastruktur und Ausstattung auf wissenschaftlich neuestem Stand (Labore, BAM Data Store, High-Performance-Computing etc…).
- Eine verantwortungsvolle, interessante und abwechslungsreiche Tätigkeit in einem kompetenten und kollegialen Umfeld.
- Mobiles Arbeiten
- Vielseitige Aufgaben in einem dynamischen und zukunftsorientierten Markt an der Schnittstelle zwischen Wissenschaft, Wirtschaft und Politik.
- Work-Life-Balance
- Zertifiziert familienfreundliches Arbeitsklima
30 Urlaubstage bei einer 5-Tage-Woche; Arbeit in nationalen und internationalen Netzwerken mit Universitäten, Forschungseinrichtungen und Industrieunternehmen; Attraktives und modernes Arbeitsumfeld mit hervorragender Infrastruktur und Ausstattung auf wissenschaftlich neuestem Stand (Labore, BAM Data Store, High-Performance-Computing etc…).; Eine verantwortungsvolle, interessante und abwechslungsreiche Tätigkeit in einem kompetenten und kollegialen Umfeld.; Mobiles Arbeiten; Vielseitige Aufgaben in einem dynamischen und zukunftsorientierten Markt an der Schnittstelle zwischen Wissenschaft, Wirtschaft und Politik.; Work-Life-Balance; Zertifiziert familienfreundliches Arbeitsklima
Ihre Bewerbung:Ihre Bewerbung:
Wir freuen uns auf Ihre Bewerbung über unser Bewerbungsmanagementsystem bis zum 13.09.2026 . Bitte reichen Sie ein Motivationsschreiben, einen Lebenslauf sowie eine kurze Übersicht über Projekte ein, die Ihre Qualifikation für die ausgeschriebene Position dokumentieren. Beschreiben Sie für jedes Projekt kurz den Inhalt und Ihre konkreten Aufgaben. Stellen Sie dabei insbesondere die entwickelten Methoden, Algorithmen, Softwarekomponenten und technischen Implementierungen dar - einschließlich der von Ihnen eingesetzten Werkzeuge, Programmiersprachen und Softwareumgebungen. Alternativ können Sie Ihre Bewerbung zur Job-ID auch per Post an folgende Anschrift senden:
Bundesanstalt für Materialforschung und -prüfung
Referat Z.3 - Personal
Unter den Eichen 87
12205 Berlin
www.bam.de
Die BAM fördert die berufliche Gleichstellung von Frauen und Männern. Bewerbungen von Frauen begrüßen wir daher besonders. Gleichzeitig sind wir bestrebt, die gesellschaftliche Vielfalt widerzuspiegeln. Daher ist jede Bewerbung, unabhängig von ihrem Geschlecht, ihrer kulturellen oder sozialen Herkunft, Religion, Weltanschauung oder sexuellen Identität herzlich willkommen.
Darüber hinaus hat die BAM sich die berufliche Teilhabe von schwerbehinderten Menschen zum Ziel gesetzt. Hinsichtlich der Erfüllung der Ausschreibungsvoraussetzungen erfolgt eine individuelle Betrachtung. Schwerbehinderte oder ihnen gleichgestellte Menschen werden bei gleicher Eignung bevorzugt berücksichtigt.
Die ausgeschriebene Stelle setzt ein geringes Maß an körperlicher Eignung voraus.