Remote, Homeoffice, Teilzeit, Workation* - wir sind davon überzeugt, dass flexible Arbeitsmodelle dazu beitragen, selbstbestimmt und sinnstiftend zu arbeiten. Dazu tragen auch unsere vielfältigen Weiterbildungs- und Entwicklungsangebote sowie unser ausführliches Mentoring bei - und das alles bei einem sicheren Arbeitgeber wie der EnBW.

Weitere Benefits:

• 30 Tage Urlaub
• Finanzielle Extras wie Urlaubs- und Weihnachtsgeld, Erfolgsbeteiligung, vermögenswirksame Leistungen, Entgeltumwandlungsmodelle und Kinderzulage
• Leasing-Angebote für Mobilgeräte und Fahrräder
• Vergünstigtes Deutschland-Ticket
• Zuschuss zur Büroausstattung bei überwiegender Homeoffice Tätigkeit
• Mehr zu unseren vielfältigen Arbeitgeberleistungen im Überblick

* Workation: Bis zu 30 Kalendertage am Stück und bis zu 90 Kalendertage innerhalb von 12 Monaten, wenn es die Rahmenbedingungen im gewählten EU-Land zulassen

In einem Forschungsvorhaben entwickelst du neuartige Methoden zur daten- und modellbasierten Schadensfrüherkennung an Rotorblättern von Windenergieanlagen. Ziel ist es, auf Basis von Sensordaten und modernen Analyseverfahren Key Performance Indikatoren zu definieren, um strukturelle Schäden präzise zu detektieren und Fehlalarme zu minimieren.

• Forschung im Bereich Structural Health Monitoring (SHM) für Rotorblätter
• Entwicklung und Validierung von Key Performance Indikatoren (KPIs) zur frühzeitigen Erkennung struktureller Rotorblattschäden
• Einsatz von Machine Learning und statistischen Methoden zur Entwicklung einer robusten Monitoring-Strategie für die KPI-Überwachung
• Auswertung von Sensordaten aus realen Windenergieanlagen
• Enge Zusammenarbeit mit internen und externen Expert*innen sowie regelmäßige Teilnahme an Fachkonferenzen
• Veröffentlichung von mind. 3 Journalartikeln in renommierten Fachzeitschriften

• Sehr gut abgeschlossenes Masterstudium in Maschinenbau, Bauingenieurwesen, Elektrotechnik, Informatik, Mathematik, Physik oder einem verwandten Fachgebiet
• Erste Erfahrung im Bereich Dynamik von Windenergieanlagen von Vorteil
• Erste Erfahrung im Bereich Strukturüberwachung, Signalverarbeitung oder Machine Learning von Vorteil
• Programmierkenntnisse in Python
• Kenntnisse in statistischer Modellierung und Datenanalyse wünschenswert
• Selbstständige, strukturierte Arbeitsweise und Teamfähigkeit sowie hohes Maß an Motivation
• Verhandlungssichere Deutsch- und Englischkenntnisse in Wort und Schrift
• Gelegentliche Reisebereitschaft deutschland- und europaweit

Windenergie nimmt eine Schlüsselrolle in der Energiewende ein – mit Blick auf die EEG-Ausbauziele ist es jedoch unerlässlich ihre Effizienz weiter zu steigern. Dafür braucht es zukunftsweisende Technologien und smarte Lösungen. Im Team Remote Monitoring und Analytics setzen wir daher auf ein innovatives, eigenständiges und ganzheitliches Monitoring unserer Erzeugungsanlagen, um deren Betrieb zu optimieren und ihre Lebensdauer zu verlängern.

Du hast den wissenschaftlichen Ehrgeiz, mit neuen Methoden das Remote Monitoring von Windkraftanlagen auf das nächste Level zu heben? Dann bieten wir dir die Möglichkeit, im Rahmen einer Promotion praxisnahe Forschung mit realen Anlagendaten durchzuführen und deine Erkenntnisse direkt in die industrielle Anwendung zu überführen. In einem Forschungsvorhaben entwickelst du neuartige Methoden zur daten- und modellbasierten Schadensfrüherkennung an Rotorblättern von Windenergieanlagen. Ziel ist es, auf Basis von Sensordaten und modernen Analyseverfahren Key Performance Indikatoren zu definieren, um strukturelle Schäden präzise zu detektieren und Fehlalarme zu minimieren.

Die Promotion findet in Kooperation mit der Universität Rostock - Lehrstuhl für Technische Mechanik / Dynamik - statt.

Werde Teil eines dynamischen, interdisziplinären Teams und treibe mit deiner Forschung die nachhaltige Energiezukunft von EnBW voran!

Unser Recruitingteam stellt neben der EnBW für weitere Konzerngesellschaften ein. Bei Fragen steht Katharina Faßbender | k.fassbende@enbw.com gerne zur Verfügung.

Alle Menschen sind bei uns willkommen, egal welchen Geschlechts, Alters, sexueller Identität, Herkunft, Religion, Weltanschauung, mit oder ohne Behinderung.