Sustainability Engineer - KI & Systems Engineering; m​/w​/d

Wie das Engineering der Zukunft aussieht, erforschen wir am Fraunhofer‑Institut für Entwurfstechnik Mechatronik IEM in Paderborn – gemeinsam mit starken Partnern und viel Leidenschaft für Technik. Unsere Teams entwickeln Lösungen, die wirklich in die Anwendung kommen: von smarten Produkten über vernetzte Produktionssysteme bis hin zu digitalen Services und moderner Software. Dabei denken wir Innovation vom ersten Konzept bis zur Umsetzung. Und genau hier kommst Du ins Spiel.

Die Abteilung »Advanced Systems Engineering« beschäftigt sich mit der zentralen Frage, wie sich komplexe technische Systeme datengetrieben, durchgängig und effizient über ihren gesamten Lebenszyklus hinweg entwickeln lassen. Dafür verbinden wir Systems Engineering, Model‑Based Systems Engineering und moderne Technologien wie Künstliche Intelligenz zu einem ganzheitlichen Ansatz für das Engineering der Zukunft. Im Mittelpunkt steht die Integration von Methoden, Prozessen und IT‑Systemen, um konsistente und skalierbare Engineering‑Ökosysteme zu schaffen.

In diesem Zuge rückt die Transformation hin zur Industrie Zero in den Fokus. Unternehmen stehen vor der Herausforderung, komplexe Systeme nicht nur effizient zu entwickeln, sondern gleichzeitig ihre Geschäftslogiken grundlegend zu hinterfragen und Geschäftsmodelle entlang von Marktleistung und Wertschöpfung neu auszurichten. Die Digitalisierung spielt dabei eine Schlüsselrolle:
Sie ermöglicht durchgängige, datenbasierte Engineering‑Ansätze sowie ressourceneffiziente Produkt‑ und Nutzungskonzepte und wirkt damit sowohl als Enabler als auch als Treiber nachhaltiger Transformation. Ein besonderer Schwerpunkt liegt auf der Entwicklung und Anwendung von Life Cycle Assessments (LCA) und Product Carbon Footprints (PCF) zur quantitativen Bewertung ökologischer Auswirkungen entlang des gesamten Produktlebenszyklus. Darauf aufbauend gewinnt der Digitale Produktpass (DPP) als zentrales Instrument zur transparenten Bereitstellung nachhaltigkeitsrelevanter Produktdaten zunehmend an Bedeutung.

Unsere Forschungsarbeit adressiert die Frage, wie sich diese Transformationsaufgaben strategisch planen, technologisch unterstützen und in der Praxis wirksam umsetzen lassen – mit dem Ziel, nachhaltige Innovationen messbar und skalierbar in die industrielle Wertschöpfung zu integrieren.

• Du arbeitest in Forschungs‑ und Industrieprojekten entlang des gesamten Produktlebenszyklus – von der Identifizierung und Strukturierung von Nachhaltigkeitspotenzialen über die methodische Konzeption bis hin zur technischen Umsetzung und Validierung in realen Anwendungsszenarien.
• Konkret entwickelst und implementierst Du datengetriebene Methoden, Prototypen und Demonstratoren im Sustainability Engineering – insbesondere für Life Cycle Assessments (LCA), Product Carbon Footprints (PCF) und den Digitalen Produktpass (DPP), unter Einsatz von Künstlicher Intelligenz zur Analyse und Automatisierung.
• Du integrierst Nachhaltigkeitsbewertungen und KI‑gestützte Funktionen in bestehende Engineering‑Toollandschaften, Datenflüsse und Prozesse und bewertest deren Mehrwert hinsichtlich Transparenz, Effizienz und Entscheidungsunterstützung.
• Interdisziplinär arbeitest Du mit Kolleg
  * innen, Industriepartnern und öffentlichen Auftraggebern zusammen, bereitest Ergebnisse adressatengerecht auf und präsentierst diese überzeugend.
• Zu guter Letzt veröffentlichst Du Deine Ergebnisse in Fachbeiträgen, wirkst an Workshops, Schulungen und Akquiseaktivitäten mit und treibst die Weiterentwicklung des Themenfelds Sustainability Engineering voran.

• Ein überdurchschnittlich abgeschlossenes Universitätsstudium in einem technischen oder wirtschaftswissenschaftlichen Fachbereich wie z.
  
  B. Informatik, Wirtschaftsinformatik, Wirtschaftsingenieurwesen, Maschinenbau oder Betriebswirtschaftslehre.
• Erfahrung bzw. fundierte Methoden‑ und Toolkenntnisse in einem oder mehreren der folgenden Bereiche:
  Life Cycle Assessment, Product Carbon Footprint (PCF), Digitaler Produktpass (DPP); idealerweise ergänzt durch Kenntnisse in KI/ML zur Analyse und Automatisierung.
• Gutes Know‑how entlang des Produktlebenszyklus,…