Akademischer Mitarbeiter; w​/m​/d) Forschungsschwerpunkt: KI-basierter Entwurf Triebwerksauslegung, Kennziffer

Modern // regional // wirtschaftsnah:
Die Technische Hochschule Brandenburg (THB) ist eine junge und dynamische Hochschule mit ca. 3.200 Studierenden in 26 Studiengängen in den Fachbereichen Informatik und Medien, Technik sowie Wirtschaft in der Stadt Brandenburg an der Havel direkt vor den Toren von Potsdam und Berlin. Als familienfreundliche Hochschule auf einem grünen Campus bieten wir attraktive Arbeitsbedingungen.

Im Fachbereich Technik ist im Rahmen des Forschungsprojekts DaHKIZ (Datenbasierte Holistische KI-gestützte Zivile Triebwerksentwicklung) zum nächstmöglichen Zeitpunkt zunächst befristet bis 30.04.2029 folgende Stelle mit der Möglichkeit zur Promotion (in Kooperation mit Rolls-Royce Deutschland) zu besetzen:

• Forschungsschwerpunkt: KI-basierter Entwurf in der Triebwerksauslegung
• Entgeltgruppe: 13 TV-L
• 40 h/Woche
• Kennziffer: HAP5

Ihr Arbeitsschwerpunkt liegt in der industriellen Forschung zum Thema KI-basierter Entwurf in der Triebwerksauslegung. Sie erforschen effiziente und physikalisch gestützte ML/KI-Strategien für die Vorauslegung von Triebwerkskonzepten, insbesondere die semantische Erschließung des „Preliminary Engine Architecture"-Tools und des GTlab-Frameworks für Large Language Models (LLMs) sowie Multi-Agenten-Architekturen zur automatisierten Synthese und Evaluierung von Auslegungs-Workflows. Da Kundenanfragen zu neuen Antriebskonzepten die schnelle Auswertung sehr großer und komplexer Daten-mengen aus Vorauslegungs-Tools erfordern, sollen KI-Methoden neue technisch realisierbare und anfor-derungsgerechte Triebwerkskonzepte schnell zugänglich machen.

• KI-gestützte Komponentenauswahl:
  Erforschung und Aufbereitung vorhandener Datensätze zur auto-matisierten Vorauslegung, Generierung fehlender Daten und Bereitstellung einer ML/KI-auswertbaren Datenbank
• KI-gestützte Evaluierung und automatisierte Analyse von Triebwerkskonzepten:
  Erforschung Ontolo-gie-basierter Metadatenmodelle zur maschinenlesbaren Beschreibung von Modellstrukturen, Work-flows und Parameterabhängigkeiten sowie einer Multi-Agenten-Architektur (LLMs, Retrieval-Augmented Generation, Function-Calling zu GTlab)
• robuste Prozesse in der Triebwerksauslegung:
  Erforschung datengetriebener und KI-gestützter Me-thoden zur Ermittlung robuster Startlösungen mit hoher Konvergenzwahrscheinlichkeit für eine effizi-entere Vorauslegung.
• Anwendung & Validierung: Übertragung der erforschten Strategien auf exemplarische Anwendungsfälle der Gesamttriebwerksauslegung und Integration der KI-gestützten Methodik in GTlab
• Publikation:
  Sie verfassen wissenschaftliche Publikationen und präsentieren die Ergebnisse auf inter-nationalen Konferenzen.

• erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master oder Universitätsdiplom) in einer relevanten Fachrichtung (Informatik, Luft- und Raumfahrttechnik, Maschinenbau, Physik o. ä.)
• fundierte Kenntnisse in den Grundlagen des Maschinellen Lernens sowie der Triebwerks- bzw. Systemauslegung oder der semantischen Datenmodellierung
• sicherer Umgang mit Python oder vergleichbar
• sehr gute Englischkenntnisse in Wort und Schrift (Niveau C1) zur Erstellung internationaler Publikatio-nen

• praktische Erfahrung mit Deep-Learning-Frameworks (z.
  
  B. PyTorch, Tensor Flow) sowie Kenntnisse im Umgang mit Large Language Models (LLMs), Retrieval-Augmented Generation (RAG) oder Multi-Agenten-Systemen
• Erfahrung in der Triebwerksvorauslegung, mit dem GTlab-Framework oder vergleichbaren simulati-onsbasierten Auslegungsumgebungen sowie in der Konzeption von Software-Plugins
• Kenntnisse in Ontologien, semantischer Modellrepräsentation oder maschinenlesbaren Beschreibungen…