Promotion - Datengetriebene Modifikation von Kunststoffen zur bauteil- und prozessspezifischen [...]

Promotion - Datengetriebene Modifikation von Kunststoffen zur bauteil- und prozessspezifischen Eigenschaftsoptimierung

• Vollzeit
• Legal Entity: Robert Bosch GmbH
• Sie entwickeln eine innovative Methodik zur datengetriebenen Vorhersage von Prozess‑ und Werkstoffeigenschaften von Kunststoffen und schaffen damit die Grundlage für fundierte, zielgerichtete Werkstoffentscheidungen.
• Dabei kombinieren Sie physikalische und/oder chemische Modelle mit relevanten Prozessgrößen sowie Werkstoffkennwerten, um eine gezielte und effiziente Werkstoffmodifikation zu ermöglichen.
• Sie entwickeln, implementieren, optimieren datengetriebene Modelle in Python, implementieren und optimieren diese sowie integrieren sie nahtlos in bestehende Routinen.
• Die von Ihnen entwickelten Modelle validieren Sie durch Laborversuche unter produktionsnahen Randbedingungen und bewerten die Ergebnisse im Hinblick auf Werkstoff‑ und Bauteileigenschaften.
• Sie analysieren systematisch die Zusammenhänge zwischen Prozessparametern, Polymerstruktur und resultierender Werkstoffperformance. Diese Erkenntnisse nutzen Sie gezielt für die Modellbildung bzw.-optimierung.
• Mit Ihrer engagierten und strukturierten Arbeitsweise tragen Sie in enger Zusammenarbeit mit unseren Fachexpertinnen sowie -experten und Labormitarbeitenden wesentlich zum Erfolg eines richtungsweisenden Forschungsprojekts bei und präsentieren, dokumentieren und diskutieren Ihre Ergebnisse regelmäßig im Projektteam.
• Ausbildung :abgeschlossenes Studium der Werkstoffwissenschaften, Polymerchemie, Ingenieurwissenschaften (Kunststofftechnik, Chemieingenieurwissenschaften), Physik oder einer vergleichbaren Fachrichtung mit sehr gutem Erfolg
• Erfahrungen und Know-how :
  • fundierte Kenntnisse über die Zusammenhänge zwischen Polymerstruktur, Prozessparametern und Werkstoffeigenschaften
  • breites Wissen in der mathematischen Modellierung physikalischer Systeme und/oder datengetriebenen Methoden
  • sehr gute Programmierkenntnisse in Python
  • Kenntnisse im Bereich des maschinellen Lernens
• Persönlichkeit und Arbeitsweise: Sie zeichnen sich durch eine selbstständige, methodische und analytische Arbeitsweise aus und haben Freude daran, komplexe Fragestellungen an der Schnittstelle von Werkstoffwissenschaft und Datenanalyse zu durchdringen; als Teamplayer arbeiten Sie zuverlässig und lösungsorientiert zusammen und bringen Ihre analytischen Fähigkeiten engagiert ein
• Begeisterung: Sie bringen ein starkes Interesse an der datengetriebenen Werkstoffentwicklung sowie an deren Anwendung in industriellen Fertigungsprozessen mit, insbesondere in der Kunststofftechnik (Spritzgießen)
• Sprachen: sehr gutes Deutsch und Englisch in Wort und Schrift

Vielfalt und Inklusion sind für uns keine Trends, sondern fest verankert in unserer Unternehmenskultur. Daher freuen wir uns über alle Bewerbungen: unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität.