Das Projekt zielt darauf ab, FAIR-konforme hybride Modellierungsframeworks zu entwickeln, die eng mit automatisierten Hochdurchsatz-Robotiklaboren für die Biotechnologie integriert sind. Durch die Kombination mechanistischer, statistischer und maschineller Lernmodelle mit automatisierter experimenteller Durchführung ermöglicht das Projekt eine nachvollziehbare, reproduzierbare und metadatenreiche Versuchsplanung. Die Forschung integriert MLOps-Pipelines für Modellversionierung, Deployment und Monitoring und unterstützt multi-objektive Optimierung sowie Multi-Kriterien-Entscheidungsfindung für nachhaltige und effiziente Prozesse zur Herstellung von Single Cell Protein (SCP).Die Kandidatin bzw. der Kandidat arbeitet an der Schnittstelle von Biotechnologie, Robotik, Data Science und Nachhaltigkeit und trägt zur Entwicklung einer neuen Generation autonomer Labore bei, in denen Modelle und Experimente vollständig FAIR-konform, reproduzierbar und in der Lage sind, Hochdurchsatzexperimente unter Berücksichtigung von Nachhaltigkeitsaspekten zu steuern.

Es besteht die Möglichkeit zur Promotion.

• Kandidat*innen dürfen nicht promoviert sein
• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Physik, Verfahrenstechnik, Data Science oder einem verwandten Fachgebiet.
• Einhaltung der MSCA-Mobilitätsregel: Zum Zeitpunkt der Einstellung darf sich die Bewerberin bzw. der Bewerber in den drei Jahren unmittelbar vor dem Einstellungsdatum nicht länger als 12 Monate in Deutschland aufgehalten oder dort ihre/seine Haupttätigkeit (Arbeit, Studium etc.) ausgeübt haben.
• Kenntnisse von IoT-Frameworks und Automatisierungsplattformen wie Node-RED, MQTT, OPC-UA oder vergleichbaren Technologien.
• Gute Deutsch- und/oder Englischkenntnisse erforderlich; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben.
• Sehr gute Programmierkenntnisse in Python, einschließlich des Deployments in Echtzeit- oder automatisierten Umgebungen (wünschenswert).
• Kenntnisse von Differentialgleichungssystemen und dynamischer Modellierung (wünschenswert).
• Erfahrung mit Workflow-Orchestrierungs- und Planungstools (z. B. Airflow, Cylc) (wünschenswert).
• Sehr gute englische Kommunikations- und Präsentationsfähigkeiten (wünschenswert).
• Ausgeprägte organisatorische Fähigkeiten, Erfahrung in interdisziplinärer Zusammenarbeit sowie eine kreative, problemlösungsorientierte Arbeitsweise (wünschenswert).
• Nachgewiesene Erfahrung mit FAIR-Datenprinzipien (wünschenswert).
• Praktische Kenntnisse der MLOps-Prinzipien, einschließlich Modellversionierung, Bereitstellung, Überwachung und kontinuierlichem Lernen (wünschenswert).

Ihre Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Unterlagen (Lebenslauf, Notenübersicht/Zeugnisse und Bewerbungsschreiben, zusammengefasst in einem PDF-Dokument, max. 5 MB) per E-Mail an Dr. M. Nicolas Cruz Bournazou unter bioprocess-TB-office@win.tu-berlin.de .

Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei ungeschützter Übersendung Ihrer Bewerbung auf elektronischem Wege keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann. Datenschutzrechtliche Hinweise zur Verarbeitung Ihrer Daten gem. DSGVO finden Sie auf der Webseite der Personalabteilung: https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ .

Zur Wahrung der Chancengleichheit zwischen Frauen und Männern sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Die TU Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit. Bewerbungen von Menschen aller Nationalitäten und mit Migrationshintergrund sind herzlich willkommen.