Wissenschaftliche*r Mitarbeiter*in (m/w/d) im Bereich Reinforcement Learning und Optimierung

Kurzinfo - Ort: Bielefeld - Arbeitszeit: Vollzeit - Bewerbungsfrist: 29.10.2026 - Laufbahn / Entgeltgruppe: Höherer Dienst | Vergütung nach E13 TV-L - Kennziffer: Wiss26346 Im CITEC (Center for Cognitive Interaction Technology) ist die folgende Position zu besetzen: Wissenschaftliche\*r Mitarbeiter\*in (m/w/d) im Bereich Reinforcement Learning und Optimierung Kennziffer: Wiss26346; Start nächstmöglich; Vollzeit; Vergütung nach E13 TV-L; befristet Die Arbeitsgruppe Wissensrepräsentation und Machinelles Lernen am CITEC der Universität Bielefeld forscht daran, wie menschliches Domänenwissen Methoden und Modelle des maschinellen Lernens unterstützen kann und sich umgekehrt menschliches Wissen aus Modellen des maschinellen Lernens extrahieren lässt, etwa über interpretierbares und erklärbares maschinelles Lernen sowie Anwendungen im Bildungsbereich. Aktuell besteht die Gruppe aus 10 zumeist drittmittelgeförderten Mitarbeitenden. Die Stelle ist im Projekt SMaRT-DC angesiedelt, in dem die Universität Bielefeld im Verbund mit Fraunhofer IOSB-INA sowie den Industriepartnern Lenze und Weidmüller neue Verfahren des hybriden, Modell-basierten Reinforcement-Lernens entwickeln, die unter Berücksichtigung von Sicherheitsgarantien die Auslegung von Gleichstrom (DC)-Netzen und ihren echtzeitfähigen adaptiven Betrieb optimieren. Die Stelle befasst sich mit neuartigen Verfahren des robusten reinforcement learning, um die Auslegung von Gleichstromnetzen zu optimieren. Dabei sollen insbesondere Extremszenarien abgeleitet und unter Berücksichtigung neuer Kontrollstrategien für die Optimierung herangezogen werden. Iterative Optimierung über Reinforcement-Learning, Adversarielle Szenarien und Multikriterielle Optimierung werden ebenfalls erforscht. Die Interdisziplinäre Zusammenarbeit mit innovativen Forschungs- und Anwendungspartnern im maschinellen Lernen sowie in der Automatisierungs- und Elektrotechnik ist wesentlicher Teil der Forschungsarbeit. Die Stelle ist für die wissenschaftliche Qualifikation (Promotion) geeignet. Die Stelle wird vorbehaltlich der Projektbewilligung ausgeschrieben. Ihre Aufgaben - Erforschung neuartiger Verfahren des Reinforcement Learning für die Optimierung von DC-Netzen unter Einbeziehung von Extremszenarien und Domänenwissen (60 %) - Implementierung dieser Verfahren als praxistaugliche Software (20 %) - interdisziplinäre Zusammenarbeit mit den Forschungs- und Anwendungspartner\*innen im Verbund (10 %) - Publikation von Forschungsergebnissen, Daten und Software in einschlägigen Konferenzen und Journalen (10 %) Die Beschäftigung ist der wissenschaftlichen Qualifizierung förderlich, die Gelegenheit zur wissenschaftlichen (Weiter-)Qualifikation wird gegeben. Ihr Profil Das erwarten wir: - abgeschlossenes wissenschaftliches Hochschulstudium (z. B. Master) in Informatik, Elektrotechnik, Data Science oder angrenzenden Fächern - alternativ: abgeschlossenes Hochschulstudium (z. B. Bachelor) sowie weit vorangeschrittenes wissenschaftliches Hochschulstudium im Bereich Informatik - ausgeprägte Kenntnisse in Optimierungsverfahren - ausgeprägte Kenntnisse in maschinellem Lernen - Interesse und Leidenschaft für interdisziplinäre Forschung an der - Schnittstelle zwischen maschinellem Lernen und Elektrotechnik - gute Kenntnisse der deutschen und englischen Sprache (mündlich und schriftlich) - analytische Fähigkeiten und wissenschaftliche Denkweise - selbständige, eigenverantwortliche und engagierte Arbeitsweise Das wünschen wir uns: - praktische Erfahrungen in der Forschung zu Reinforcement Learning für Optimierung - Kenntnisse zu Gleichstromnetzen - Kenntnisse zu adversarial machine learning Unser Angebot - Vergütung nach E13 TV-L - befristet auf 36 Monate (§ 2 Abs. 1 Satz 1 WissZeitVG; entsprechend den Vorgaben des WissZeitVG und des Vertrages über gute Beschäftigungsbedingungen kann sich im Einzelfall eine abweichende Vertragslaufzeit ergeben) - Vollzeit - interne und externe Fortbildungsmöglichkeiten - Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten - Vereinbarkeit von Familie und Beruf - gute Verkehrsanbindung Interessiert? Dann freuen wir uns über Ihre aussagekräftige . Bitte nutzen Sie hierzu vorzugsweise unser Online-Formular, welches Sie über den folgenden Link erreichen: . Kontakt - Prof. Dr. Benjamin Paaßen - 0521 106-87838 - Anschrift - Universität Bielefeld - Technische Fakultät - Prof. Dr. Benjamin Paaßen - Postfach 10 01 31 - 33501 Bielefeld Die Universität Bielefeld ist für ihre Erfolge in der Gleichstellung mehrfach ausgezeichnet und als familienfreundliche Hochschule zertifiziert. Sie freut sich über Bewerbungen von Frauen. Dies gilt im besonderen Maße im wissenschaftlichen Bereich sowie in Technik, IT und Handwerk. Bewerbungen von geeigneten schwerbehinderten oder ihnen gleichgestellten behinderten Menschen sind ausdrücklich erwünscht. An der Universität Bielefeld werden Stellenbesetzungen auf Wunsch grundsätzlich auch mit reduzierter Arbeitszeit vorgenommen, soweit nicht im Einzelfall zwingende dienstliche Gründe entgegenstehen.