Wissenschaftliche/r Mitarbeiter/in (w/m/d) - / Doktorand/in Big Data und Machine Learning für die Prognose der Batteriealterung

Weitere Informationen

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf 2 Jahre.
Eine Möglichkeit zur Verlängerung auf insgesamt 5 Jahre bis zur Promotion ist vorgesehen und erwünscht.
Die befristete Beschäftigung erfolgt im Rahmen der Befristungsmöglichkeiten des Wissenschaftszeitvertragsgesetzes.
Es handelt sich um eine Vollzeitstelle.
Eine Promotionsmöglichkeit besteht.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit EG 13 TV-L.

Unser Profil

Als größte universitäre Arbeitsgruppe Deutschlands im Bereich Batterietechnologie und Systemintegration zählt das ISEA an der Fakultät für Elektrotechnik und Informationstechnik der RWTH Aachen zu den international führenden Forschungseinrichtungen dieses zukunftsweisenden Feldes. Themen wie die Digitalisierung sowie die KI-gestützte Modellierung und Optimierung von Batteriesystemen bilden dabei einen zentralen Schwerpunkt der weltweit anerkannten Forschungskompetenz des Instituts.

In unseren Laboren wurden über einen Zeitraum von rund 20 Jahren umfangreiche experimentelle Daten zur Alterung von Batteriezellen erhoben. Der daraus entstandene, kontinuierlich wachsende Datenbestand umfasst unterschiedliche Zellchemien und Versuchsbedingungen und bietet eine einzigartige Grundlage, um Alterungsmechanismen systematisch zu untersuchen und die Lebensdauer von Batterien zuverlässig vorherzusagen.

Unser Ziel ist es, diese heterogenen Datenbestände zusammenzuführen, zu strukturieren und mithilfe moderner Methoden aus Big Data Analytics und Machine Learning nutzbar zu machen. Dabei untersuchen wir sowohl datengetriebene als auch physikbasierte Modellierungsansätze sowie deren Kombination. Durch den Vergleich unterschiedlicher Modellstrukturen und Zellchemien wollen wir robuste und übertragbare Methoden für die Prognose der Batteriealterung entwickeln und neue Erkenntnisse über die zugrunde liegenden Alterungsprozesse gewinnen.

Ein besonderes Highlight für unsere Mitarbeitenden ist das 2022 eröffnete Center for Ageing, Reliability and Lifetime Prediction of Electrochemical and Power Electronic Systems (CARL) auf dem Campus Melaten. Auf über 5000 m² modernster Büro- und Laborflächen stehen ideale Bedingungen für interdisziplinäre Spitzenforschung bereit. Über 150 Wissenschaftler/innen arbeiten hier eng vernetzt an der gesamten Wertschöpfungskette – von der Materialforschung über die Produktion und Zellcharakterisierung bis hin zur daten- und KI-basierten Modellierung und Analyse.

Was wir bieten

• Herzliches und kollegiales Umfeld an einer der weltweit renommiertesten Forschungseinrichtungen im Bereich Batterietechnologie
• Steilen Wissenszuwachs in einem dynamisch wachsenden Zukunftsmarkt (Batterien, KI, Elektromobilität, Energiespeicher)
• Optimales Forschungsumfeld mit hochmoderner Infrastruktur und engem Bezug zur industriellen Praxis
• Aktive Mitwirkung in der universitären Lehre und Nachwuchsförderung (z. B. Betreuung von Bachelor- und Masterarbeiten)
• Möglichkeit zur Promotion an der RWTH Aachen in einem wissenschaftlich exzellenten Umfeld bei Prof. Dr.-Ing. Weihan Li

Bitte schicken Sie Ihre vollständigen Bewerbungsunterlagen (Cover-Letter, CV & relevante Zeugnisse (insbes. Noten im Studium)) an unsere Mailadresse: weihan.li@isea.rwth-aachen.de.

Ihr Profil

Sie möchten große wissenschaftliche Datenbestände nutzen, um neue Methoden zur Modellierung und Prognose der Batteriealterung zu entwickeln? Sie interessieren sich für Machine Learning und möchten datengetriebene Ansätze mit physikalischem Verständnis verbinden? Im Rahmen Ihrer Promotion möchten Sie eigene methodische Ideen entwickeln und an einer gesellschaftlich und industriell hochrelevanten Fragestellung arbeiten?

Dann bringen Sie idealerweise Folgendes mit:

• Sehr gut abgeschlossenes Hochschulstudium (Master oder vergleichbar), beispielsweise in Elektrotechnik, Maschinenbau, Data Science, Informatik, Physik oder einem verwandten Fach
• Gute Programmierkenntnisse, insbesondere in Python, sowie Erfahrung in der Datenanalyse
• Erste Erfahrungen mit Machine Learning, statistischer Modellierung oder der Analyse von Zeitreihendaten
• Interesse an Batteriealterung sowie an der Verbindung datengetriebener und physikbasierter Modellierungsansätze
• Kenntnisse in Datenbanken oder Forschungsdatenmanagement sind von Vorteil
• Hohe Motivation, Eigeninitiative und eine strukturierte, selbstständige Arbeitsweise
• Freude an interdisziplinärer Zusammenarbeit sowie an Projekten mit Wissenschafts- und Industriepartner/innen
• Sehr gute Englischkenntnisse in Wort und Schrift; Deutschkenntnisse sind von Vorteil

Ihre Aufgaben

In Ihrer Tätigkeit analysieren Sie umfangreiche experimentelle Batteriedaten, die in unseren Laboren über einen Zeitraum von rund 20 Jahren erhoben wurden. Unter Nutzung unserer bestehenden Datenbank- und Softwareinfrastruktur wählen Sie relevante Datensätze aus, bereiten diese auf und untersuchen deren Qualität und Vergleichbarkeit. Mithilfe statistischer Verfahren und moderner Methoden der Datenanalyse identifizieren Sie Zusammenhänge zwischen Zellchemie, Versuchsbedingungen, Betriebsparametern und Batteriealterung.

Auf dieser Grundlage entwickeln und untersuchen Sie Machine-Learning-Methoden zur Modellierung und Prognose der Batteriealterung. Sie vergleichen unterschiedliche Modellstrukturen, analysieren relevante Merkmale und untersuchen, wie sich datengetriebene und physikbasierte Ansätze sinnvoll miteinander verbinden lassen. Ein besonderer Schwerpunkt liegt auf der Robustheit und Übertragbarkeit der entwickelten Methoden zwischen verschiedenen Zellchemien, Zelltypen und Betriebsbedingungen. Ziel ist es, zuverlässige Alterungs- und Lebensdauerprognosen zu ermöglichen und zugleich neue Erkenntnisse über die wesentlichen Einflussfaktoren der Batteriealterung zu gewinnen.

Ihre entwickelten Methoden validieren Sie anhand realer experimenteller Daten und interpretieren die Ergebnisse gemeinsam mit Expertinnen und Experten aus Batterietechnik, Elektrochemie und Datenwissenschaft. Sie erhalten die Möglichkeit, eigene Forschungsideen einzubringen und Ihre methodischen Schwerpunkte im Verlauf der Promotion weiterzuentwickeln. Ihre Ergebnisse präsentieren Sie auf wissenschaftlichen Konferenzen und veröffentlichen diese in internationalen Fachzeitschriften. Mit Ihrer Arbeit leisten Sie einen direkten Beitrag zur Entwicklung zuverlässigerer, langlebigerer und nachhaltigerer Batteriesysteme.

Über uns

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Unter https://www.rwth-aachen.de/bewerbung/dsgvo-information finden Sie Informationen zur Erhebung personenbezogener Daten nach den Artikeln 13 und 14 der Datenschutz-Grundverordnung (DS-GVO). 

Besoldung / Entgelt

EG 13 TV-L