Nachwuchswissenschaftler/in für den sicheren Einsatz von Machine Learning in industriellen Anwendungen

• Forschung zum sicheren Einsatz von Machine Learning (ML) in industriellen Systemen und Maschinen
• Mitarbeit an der Evaluierung vorhandener ML-Modelle auf Basis von Bild-, Lidar- und Zeitreihendatensätzen
• Eigenständige wissenschaftliche Arbeit im Rahmen der Nachwuchsgruppe (inkl. Publikationstätigkeit) und aktive Mitgestaltung des Forschungsprofils der Gruppe - das konkrete Thema wird individuell mit Ihnen abgestimmt
• Mitwirkung bei der Einwerbung von Drittmitteln
• Transfer von Ergebnissen, wissenschaftliche und praxisorientierte Veröffentlichungen, Gestaltung, Durchführung und Teilnahme an Veranstaltungen für Wissenschaft und Praxis und an nationalen und internationalen Konferenzen

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master/Universitäts-Diplom, mindestens 300 ECTS, Postdoc-Stellen erfordern eine abgeschlossene Promotion) der Ingenieurs- oder Naturwissenschaften, Informatik oder einer sonstigen für die Thematik geeigneten Fachrichtung
• Programmierkenntnisse in Python, insbesondere mit gängigen ML-Frameworks (z. B. PyTorch, TensorFlow, scikit-learn)
• Erfahrung im Umgang mit realen Sensordaten (z. B. Bilddaten, Zeitreihen, Lidar) und in der Entwicklung von Datenauswertungs- und Trainingspipelines
• Sicherer Umgang mit Tools für Softwareentwicklung (z. B. Git, Docker, Jupyter, VSCode)
• Grundlegende Deutschkenntnisse (Level A2) sowie gute Englischkenntnisse (mind. Level B2)
• Fähigkeit zu teamorientierter Arbeit mit hoher Eigenverantwortung in einer interdisziplinären Gruppe
• Bereitschaft zu Dienstreisen

Wünschenswert:

• Interesse an der Aufbereitung wissenschaftlicher Erkenntnisse für spezifische Zielgruppen von der Politik bis zur betrieblichen Praxis

• Zukunftsorientiertes, innovatives und gesellschaftlich bedeutendes Arbeitsfeld
• Eine interessante Tätigkeit an der Schnittstelle von Wissenschaft, Politik und Wirtschaft
• Handlungsspielräume für eine kreative wissenschaftliche Arbeit
• Die Möglichkeit etwas zu bewegen: eine verantwortungsvolle Tätigkeit an der Schnittstelle von Forschung und Politikberatung
• Persönliche Entwicklung: Wir fördern Ihre Potenziale durch gezielte Personalentwicklung und bieten spezifische Qualifizierungen und Weiterbildung für Wissenschaftlerinnen und Wissenschaftler, z.B.
• Die Förderung Ihres Promotionsvorhabens, etablierte Formen der Zusammenarbeit mit einer Reihe von Fakultäten an verschiedenen Universitäten
• Die Möglichkeit der wissenschaftlichen Profilierung während der Postdoc-Phase
• Flexible Arbeitszeit und ortsflexible Arbeitsmöglichkeit
• Attraktives Entgelt mit Zusatzrente und Prämiensystem
• Individuelle Personalentwicklungsmaßnahmen, insbesondere die Förderung der Promotion
• Jobticket mit Arbeitgeberförderung (monatlich 23,28 €)

Wir sind eine Ressortforschungseinrichtung im Geschäftsbereich des Bundesministeriums für Arbeit und Soziales (BMAS). Wir betreiben Forschung, beraten die Politik und fördern den Wissenstransfer im Themenfeld Sicherheit und Gesundheit bei der Arbeit. Zudem sind wir in der europäischen Chemikalienregulation tätig und betreiben mit der DASA Arbeitsweltausstellung ein Museumshaus zum Wandel der Arbeit. An unseren Standorten Dortmund, Berlin und Dresden arbeiten rund 750 Beschäftigte. Das Team "Sicherheit von intelligenten, komplexen und vernetzten Systemen" am Standort Dresden ist Teil der Nachwuchsforschergruppe "Künstliche Intelligenz (KI) in einer sicheren und gesunden Arbeitswelt" und ist dem Sachgebiet 2.6b "Sicherheit von Maschinen und Arbeitsmitteln" am Standort Dresden zugeordnet. Die Aufgaben des Sachgebiets umfassen die Themenfelder Produktsicherheit von Maschinen, insbesondere Risikobeurteilung und grundlegende Sicherheits- und Gesundheitsschutzanforderungen mit dem Schwerpunkt technische Schutzmaßnahmen. Das Team der KI-NWFG forscht für den sicheren Einsatz von Machine Learning (ML) in Maschinen und Anlagen im industriellen Umfeld. Beispiele für Anwendungsszenarien sind die Handerkennung als Assistenzsystem für Werkzeugmaschinen oder die Rückfahrüberwachung für Baumaschinen. Die Beurteilung der Zuverlässigkeit von ML-Algorithmen spielt dabei eine zentrale Rolle. Dafür arbeiten wir beispielsweise an Verfahren zur Robustheitsbewertung, Erklärbarkeit und zur