Job: Doktorand/in (w/m/d) im Bereich Data Science für Recyclingprozesse

Über uns

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Informationen zur Erhebung personenbezogener Daten nach Artikeln 13 und 14 Datenschutz-Grundverordnung (DS-GVO) finden Sie unter https://www.rwth-aachen.de/dsgvo-information-bewerbung.

Anbieter

Lehrstuhl für Anthropogene Stoffkreisläufe und Institut für Aufbereitung, Kokerei und Brikettierung

Unser Profil

Werden Sie Teil eines agilen Teams in der Forschung für eine nachhaltige Kreislaufwirtschaft! Wir vom Institut für Anthropogene Stoffkreisläufe (ANTS) sind innerhalb der Fakultät für Georessourcen und Materialtechnik in der Fachgruppe Rohstoff- und Entsorgungstechnik angesiedelt. Unser Ziel ist es, essenzielle Beiträge zur Entwicklung eines zirkulären und nachhaltigen Rohstoffmanagements beizutragen, um auch zukünftigen Generationen eine lebenswerte Umwelt zu hinterlassen.

Die Forschungsgruppe „Sensortechnik & Data Science“ des ANTS erforscht hierzu die sensorbasierte Charakterisierung von Stoffströmen: Mittels bildgebender Sensoren werden Stoffströme (bspw. Kunststoffverpackungen) digital erfasst und durch Machine Learning Modelle und Bildverarbeitungsalgorithmen prozessrelevante Stoffstromeigenschaften (bspw. Materialzusammensetzung, Partikelgrößenverteilung) aus den Sensordaten extrahiert. Auf Basis dieser Stoffstromeigenschaften werden neue Anwendungen wie ein automatisiertes Qualitätsmonitoring oder eine adaptive Prozesssteuerung in Sortier- und Recyclingprozessen entwickelt und mit Industriepartner/innen großtechnisch demonstriert. Durch diese neuen technischen Entwicklungen können Recyclingprozesse optimiert und die Umsetzung zu einer nachhaltigen Kreislaufwirtschaft gesteigert werden.

Im von uns geleiteten Forschungsverbundvorhaben ReVise-UP “Verbesserung der Prozesseffizienz des werkstofflichen Recyclings von Post-Consumer Kunststoff-Verpackungsabfällen durch intelligentes Stoffstrommanagement“ mit 10 Verbundpartner/innen und vier assoziierten Partner/innen wollen wir die Frage klären, inwieweit eine sensorbasierte Stoffstromcharakterisierung im großtechnischen Maßstab implementiert werden kann, um die Transparenz und Effizienz im Kunststoffrecycling zu erhöhen. Dadurch können technische Investitionen gezielter eingesetzt werden, um sowohl ökologische als auch ökonomische Vorteile systematisch zu optimieren.

Für die Umsetzung stehen uns modulare Messstände mit modernen Nahinfrarot (NIR), 3D Lasertriangulations- (3DLT) und RGB-Farbzeilensensoren zur Verfügung. Darüber hinaus verfügen wir über umfangreiche Kontakte zu Sensortechnikanbietern und Anlagenbetreibern/-herstellern, um auch mehrtägige Messkampagnen in großtechnischen Sortier- und Aufbereitungsanlagen flexibel umsetzen zu können.

Ihre Aufgaben

Im Verbundvorhaben ReVise-UP integrieren Sie Sensoreinheiten in Sortieranlagen von Projektpartner/innen, planen und führen Messkampagnen durch und werten die dabei erfassten Sensordaten aus. Auf dieser Basis erstellen Sie umfassende, eigene Datensätze und trainieren, evaluieren und optimieren Machine Learning Modelle. Darüber hinaus unterstützen Sie im Projekt ReVise-UP in Zusammenarbeit mit einem/einer Fachkolleg/in und der Forschungsgruppenleitung die Projektleitung, Vernetzung und Öffentlichkeitsarbeit. Darüber hinaus ist eine Unterstützung bei der Organisation der von uns in Zusammenarbeit mit dem Lehr- und Forschungsgebiet „Aufbereitung mineralischer Rohsotffe“ durchgeführten internationalen Konferenz „Sensor-based Sorting & Control 2026“ (www.sbsc.rwth-aachen.de) erwünscht.

Ihr Profil

Für die Forschungsaufgabe suchen wir Sie als eine/n Kandidat/in mit Begeisterung für die Entwicklung und Demonstration neuartiger Data Science Ansätze und Unterstützung bei der Projektkoordination von ReVise-UP. Wir erwarten von Ihnen:

• Abgeschlossenes Hochschulstudium (Master oder vergleichbar) in den Bereichen Informatik, Data Science, Machine Learning/Künstliche Intelligenz, Automatisierungstechnik, Umweltingenieurwesen mit Schwerpunkt Data Science oder vergleichbarer naturwissenschaftlich-technischer Disziplinen.
• Vertrauter Umgang mit einer gängigen Programmiersprache (bspw. Python, C++, C, Java) und Fähigkeit zur Einarbeitung in Python.
• Kenntnisse im Bereich Bildverarbeitung (bspw. scikit-image, opencv), Machine Learning (insb. Supervised Learning, bspw. mittels scikit-learn, TensorFlow/Keras, PyTorch) sind von Vorteil, aber nicht erforderlich.
• Erfahrung im Umgang mit Sensor/Kameraschnittstellen (bspw. GeniCam) sind von Vorteil, aber nicht erforderlich.
• Ausgeprägte Fähigkeiten in den Bereichen Kommunikation, Teamwork, inter- und transdisziplinäre Arbeit und Wissensintegration.
• Selbstständige, strukturierte und analytische Arbeitsweise.
• Sehr gute Deutschkenntnisse in Wort und Schrift.
• Begeisterung für die Themen Recycling, Nachhaltigkeit und Kreislaufwirtschaft.
• Flexibilität sowie Reisebereitschaft (bspw. Besuche von nationalen und internationalen Konferenzen, Projekttreffen, Messkampagnen; jeweils < 1 Woche).
• Fähigkeit und starkes Interesse am wissenschaftlichen Arbeiten und Publizieren (Teilnahme an nationalen und internationalen Fachkonferenzen und Publizieren in peer-reviewten Fachzeitschriften).

Wir bieten

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf 3 Jahre.
Die befristete Beschäftigung erfolgt im Rahmen der Befristungsmöglichkeiten des Wissenschaftszeitvertragsgesetzes.
Es handelt sich um eine Vollzeitstelle. Auf Wunsch kann eine Teilzeitbeschäftigung ermöglicht werden.
Eine Promotionsmöglichkeit besteht.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit EG 13 TV-L.