Durchführung und Auswertung von hydrologischen Modellversuchen unter verschiedenen Antriebsbedingungen und Parametrisierungen, Entwurf und Implementierung von Prozessanpassungen zur Verbesserung der Simulation der Landwasserspeicherung, Modellevaluation anhand geodätischer Beobachtungen, Sensitivitätsanalysen und Unsicherheitsabschätzung der Modellergebnisse, Präsentation Ihrer Ergebnisse auf internationalen Konferenzen und bei Projektmeetings, Veröffentlichung Ihrer Ergebnisse in Fachzeitschriften

Untersuchung von Funktionen, die die Übertragung des menschlichen Darmmikrobioms beeinflussen, Mikrobielle Funktions- und Stoffwechselmerkmale untersuchen, die die Übertragung von kommensalen Darmmikroben von Mensch zu Mensch beeinflussen können, Bioinformatische Methoden mit großen internen und externen Datensätzen kombinieren, um Funktionen in häufig übertragbaren Darmarten zu erforschen

Entwicklung und Verbesserung von ML-basierten Parametrisierungen für Klima- und Erdsystemmodelle zur Reduzierung systematischer Fehler und zur Verbesserung der Prognosefähigkeiten für (a) die Atmosphäre und (b) Ozeane und Meereis (Physik und Biogeochemie), Entwicklung datengesteuerter Methoden zur Ermittlung von Gleichungen, um aus hochpräzisen Datensätzen interpretierbare und physikalisch konsistente Gleichungen abzuleiten und so das Verständnis und die Darstellung von Prozessen unterhalb der Gitterauflösung (z. B. Wolken, Konvektion) in Klimamodellen zu verbessern, Entwicklung und Benchmarking von Foundation Models für ausgewählte Klimamodellierungsaufgaben, Entwicklung von ML-Techniken zum besseren Verständnis und zur besseren Erkennung von Extremereignissen, Entwicklung innovativer Methoden, einschließlich ML, zur Verbesserung der Bewertung und Analyse von Klimamodellen im Vergleich zu Beobachtungen unter Verwendung des Earth System Model Evaluation Tool (ESMValTool)

Pioneer advanced AI integration into mechanistic modelling and simulation, Lifecycle-structure discovery and model conception, Calibration and data assimilation, Uncertainty quantification, Surrogate and operator learning to accelerate simulation, Optimal experimental design, Model-based control/decision support, Applications with a focus on biological systems and health, Develop innovative, AI-driven research programs that combine Network theory and AI, Mechanistic mathematical modeling, Reconstruction, analysis, and prediction of complex biological network behaviour, Strong emphases on emergent behaviour, modularity, and biological/health applications

Betreiben visionäre und unabhängige Forschung, Initiieren Kooperationsprojekte mit computergestützten, experimentellen und klinischen Gruppen über die Partnerinstitutionen hinweg, Aktive Einwerbung von Drittmitteln zur Unterstützung ihres Forschungsprogramms

Design and develop LLM-based frameworks for analyzing, summarizing, and reasoning over complex engineering data, Build AI pipelines that integrate symbolic reasoning, simulation data, and multimodal information (e.g., text, images, CAD), Investigate methods for domain adaptation and alignment of LLMs to scientific and engineering contexts (e.g., fine-tuning, retrieval-augmented generation, reinforcement learning from scientific feedback), Collaborate with researchers across engineering disciplines to embed AI capabilities into modeling, design, and experimental workflows, Publish your work in leading AI and engineering journals and contribute to open, reproducible research software, teach and support courses

Unterstützung bei der Einführung einer automatisierten Defekterkennung auf Optiken für die Halbleiter-Herstellung, Den Betrieb der webbasierten Pipeline für die Annotierung zum Training unserer Machine-Learning Modelle verantworten und weiterentwickeln, Qualität der Annotierung erfassen, prüfen und basierend auf den ermittelten Abweichungen den zugrunde liegenden Labeling Katalog weiterentwickeln und verbessern, Algorithmen zur Defekterkennung und -klassifizierung unter Verwendung von Machine Learning oder Computer Vision Methoden entwickeln, Software-Konzepte erarbeiten und diese anhand Rapid Prototyping Modellen evaluieren, Deine Erkenntnisse im Team präsentieren und über Dein Fachgebiet hinausgehende Verbesserungspotenziale in Kooperation mit den relevanten Fachexperten vorantreiben

Entwicklung von Verfahren zur Automatisierung von Planung und Ausführung von Zerspanungsprozessen mit Hilfe von LLM-basierten Agenten, LLM-basierte Codegenerierung zur automatisierten Einbindung von Tools in drei unterschiedlichen Use-Cases, Entwicklung eines RAG-Ansatzes zur effizienten Aggregation, Verknüpfung und Analyse von textuellen und numerischen Daten aus verschiedenen Quellen, Zusammenarbeit mit mittelständischen Unternehmen, Dokumentation und Publikation der Ergebnisse