Wissenschaftliche Mitarbeiterin / Wissenschaftlicher Mitarbeiter (m/w/d) im Bereich Numerische Biomechanik und KI-gestützte Koronarstent-Optimierung

Ihr Arbeitsumfeld

Begeistern Sie sich für numerische Simulation, Biomechanik und KI? Im Computational Mechanics and Materials Lab (CMM Lab) der OTH Regensburg entwickeln Sie prädiktive Modelle für die patientenspezifische Koronarstent-Optimierung. Dabei bauen Sie auf experimentell validierten Stentmodellen und etablierten Methoden des Labors auf.

Im Projekt STENTIQ – Intelligent Digital Twin Platform for Patient-Specific Coronary Stent Optimization entwickeln wir eine validierte digitale Zwillingsplattform zur patientenspezifischen Analyse und Optimierung von Koronarstents. Das vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) geförderte Projekt verbindet OTH Regensburg, die Universität Sarajevo – Faculty of Mechanical Engineering (UNSA-MEF), VERLAB, das Universitätsklinikum Regensburg sowie das Allgemeine Krankenhauses „Prim. dr. Abdulah Nakaš“ Sarajevo.

Eine Promotion ist im Rahmen der ausgeschriebenen Stelle ausdrücklich erwünscht.

Ihre Promotionsarbeit bildet den numerisch-mechanischen Kern der Plattform: Sie untersuchen das Zusammenspiel von Stent, Ballon und Arteriengewebe und analysieren, wie Anatomie, Materialeigenschaften und Implantationsparameter die mechanische Antwort beeinflussen. Ihre Modelle liefern die physikalische Referenz für die KI-gestützte Optimierung. Gemeinsam mit den Partnern entwickeln Sie Forschungsfragen, prüfen Modellannahmen und gestalten die wissenschaftliche Ausrichtung aktiv mit.

Prof. Dr.-Ing. Aida Nonn begleitet Sie wissenschaftlich bei der Entwicklung Ihrer Forschungsfragen, der Ausarbeitung Ihrer Methoden und der Veröffentlichung Ihrer Ergebnisse.

Ihre Aufgaben

• Entwicklung und Verifikation dreidimensionaler, nichtlinearer FEM-Modelle des Stent-Ballon-Arterien-Systems in Abaqus zur Untersuchung von Implantation und zyklischer Beanspruchung, einschließlich großer Verformungen, Materialnichtlinearität und Kontakt.
• Automatisierung von Modellaufbau, Vernetzung, Parameterstudien und Auswertung mit Python und Abaqus-Skripting; Durchführung systematischer Simulationskampagnen.
• Untersuchung von Netzkonvergenz, numerischer Stabilität und Parametersensitivität sowie Aufbau einer nachvollziehbaren, qualitätsgesicherten Simulationsdatenbank.
• Zielgerichtete Versuchsplanung und Versuchsbetreuung in Abstimmung mit den Projektpartnern; Kalibrierung und Validierung der Modelle anhand experimenteller Messungen.
• Enge Zusammenarbeit mit dem KI/ML-Team von UNSA-MEF bei Surrogatmodellierung und Optimierung sowie mit den experimentellen und klinischen Partnern bei der Bewertung der Vorhersagen.
• Veröffentlichung Ihrer Ergebnisse in Fachzeitschriften und auf internationalen Konferenzen; wissenschaftliche Dokumentation und aktive Mitarbeit im Projektverbund.

Ihr Profil

• Abgeschlossenes Hochschulstudium in einem Masterstudiengang (HAW oder Univ.) oder in einem Diplomstudiengang (Univ.) der Fachrichtung Maschinenbau, Computational Engineering Science, Computational Materials Science, Biomedizintechnik, angewandter Mechanik oder einer vergleichbaren naturwissenschaftlichen bzw. technischen Fachrichtung.
• Fundierte Kenntnisse in Kontinuums- und Festkörpermechanik, Finite-Elemente-Methode und Werkstoffmodellierung sowie Erfahrung mit nichtlinearen Simulationen.
• Programmierkenntnisse, vorzugsweise in Python; Verständnis für Verifikation, Konvergenz und die physikalische Interpretation numerischer Ergebnisse.
• Selbständige, wissenschaftlich sorgfältige Arbeitsweise mit ausgeprägten analytischen Fähigkeiten, Eigeninitiative, Neugierde und kritischem Denken.
• Team- und Kommunikationsfähigkeit.
• Sehr gute Englischkenntnisse in Wort und Schrift; Deutschkenntnisse sind von Vorteil. Bereitschaft, die eigenen Deutschkenntnisse für die Zusammenarbeit im Hochschul- und Laboralltag weiterzuentwickeln.

Chancengleichheit und Diversität sind uns besonders wichtig, dafür wurden wir bereits wiederholt mit dem TOTAL E-QUALITY-Prädikat ausgezeichnet. Wir sind eine zertifizierte familiengerechte Hochschule. Bewerbungen von Frauen sind besonders erwünscht. Die Stelle ist für schwerbehinderte Personen geeignet. Schwerbehinderte Personen werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt.

Ihr Kontakt Personalabteilung: Frau Lisa-Marie Preuschl (Apply Now; 0941/943-1011) Fachabteilung: Frau Prof. Dr.-Ing. Aida Nonn (Apply Now)