Organisationseinheit

Institut für Mechanische Verfahrenstechnik und Mechanik (MVM)

Ihre Aufgaben

Als "Die Forschungsuniversität in der Helmholtz-Gemeinschaft" schafft und übermittelt das KIT Wissen für Gesellschaft und Umwelt. Am Lehrstuhl MVM-VM liegt der Forschungsschwerpunkt auf der Fest-Flüssig Trennung und der Digitalisierung von Prozessen in der Partikeltechnik. Im Rahmen eines Forschungsprojektes innerhalb des Schwerpunktprogrammes (SPP2364) - Autonome Prozesse in der Partikeltechnik der DFG - soll gemeinsam mit Partnern eine autonome Regelung zur CO ₂ -Mineralisation unter Verwendung alkalihaltiger Abfallstoffe entwickelt werden. In diesem Kontext ist eine Stelle für eine(n) Doktorandin / Doktoranden (w/m/d) zu vergeben. Folgende Punkte umfassen das Tätigkeitsfeld:

• Einarbeitung in die Filtration und Auslaugung von Metall-Ionen aus Suspensionen. Erlernen von hybriden Modellierungs-ansätzen für die mathematische Beschreibung der beiden untersuchten Prozesseinheiten Laugungsreaktor und Filtration.
• Festlegung der Grundstruktur der hybriden Modelle unter Einbeziehung zeitaufgelöster Prozessdaten für die spätere Entwicklung eines autonomen Reglers für die Laugung und Filtration. Hierbei sind Strategien zu erforschen, um KI-Modelle mit physikalisch-basierten Modellen zu verknüpfen damit das reale Prozessverhalten in einem autonomen Betrieb vorhersagbar ist.
• Kontinuierliche Erweiterung der Methodik und Einbindung der hybriden Modelle in das Prozessleitsystem, Überprüfung und Optimierung der Regler sowie Validierung im Kontext autonomer Betrieb der Prozess bei schwankenden Eingangsströmen.

Daraus lässt sich abschließend für die untersuchte Prozesskette mit den weiteren Projektpartnern die Verbesserung der CO ₂ -Bilanz in Hinblick auf die Entwicklung von Prozessketten für die Verarbeitung von Abfallströmen evaluieren.

Eintrittstermin

1. Dezember 2025

Ihre Qualifikation

Sie verfügen über:

• einen sehr guten Hochschulabschluss (Master) in Verfahrenstechnik, Chemie- oder Bioingenieurwesen, Computerwissenschaften oder verwandten Disziplinen,
• gute Kenntnisse in Datenbearbeitung und / oder Analytik bzw. numerischer Simulation,
• Interesse und Begeisterung für das wissenschaftliche Arbeiten, innovatives Denken und Engagement,
• systematische und selbstständige Arbeitsweise sowie
• Freude an der Arbeit im Team, hohe Kommunikations- und Integrationsfähigkeit und
• gute Englisch-Kenntnisse in Wort und Schrift.