Mitarbeit in der Forschung des Fachgebiets Grundbau und Bodenmechanik im Rahmen des BMWE-Verbundprojekts "BOMML - Zuverlässigkeitsbasierte Bemessung von Offshore-Monopiles mittels Machine Learning". Ziel des Vorhabens ist die Entwicklung eines effizienten Bemessungstools für Monopile-Gründungen von Offshore-Windenergieanlagen. Hierbei sollen Unschärfen in den Baugrunddaten durch probabilistische und zuverlässigkeitsbasierte Ansätze ebenso berücksichtigt werden, wie die Pfahl-Boden-Interaktion während der Installation und im Betrieb. In dem Teilvorhaben der TU Berlin werden für die Prognose der Pfahlinstallation (Schlag- und Vibrationsrammung) und der Pfahlverformungen unter Wind- und Wellenlasten die physikbasierte, aber rechenintensive Finite Elemente Methode (FEM) mit Verfahren des Machine Learning (ML) kombiniert. Hochentwickelte FEM Modelle können die komplexe Wechselwirkung des Pfahls mit dem wassergesättigten Meeresboden simulieren und generieren dabei Daten von hoher Qualität ergänzend zu realen Messdaten, mit denen effizientere ML Modelle trainiert werden können.

Zu den Aufgaben der ausgeschriebenen Stelle zählen insbesondere:

• (Weiter-)Entwicklung von FEM Simulationsmodellen für die Installation und anschließende zyklische laterale Belastung von Pfählen, insbesondere unter Einbeziehung von Unschärfen in den Baugrunddaten.
• FEM Parameterstudien auf Hochleistungsrechnern und Datenaufbereitung (FEM und reale Messdaten) im Hinblick auf ML.
• Entwicklung von ML Modellen für die Installation und Belastung von Pfählen, z.B. basierend auf Physics Informed Neural Networks (PINN)
• Nachrechnung (Back-Analysis) gemessener oder simulierter Daten zur Validierung der FEM Modelle und ML Modelle, Durchführung von Vergleichsstudien.
• Erstellen von Projektberichten sowie Publikation der durchgeführten Forschungsarbeiten und erzielten Forschungsergebnisse in einschlägigen deutsch- und englischsprachigen Fachzeitschriften sowie in Form von schriftlichen Beiträgen, Postern und Präsentationen auf nationalen und internationalen Fachkonferenzen.

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) des Bauingenieurwesens, der Mechanik oder vergleichbarer Studiengänge
• Erforderlich sind fundierte Kenntnisse auf den Gebieten der numerischen Methoden für Anfangs- und Randwertprobleme, der Finite Elemente Methoden, sowie der Mechanik oder Bodenmechanik.
• Mindestens gute Deutschkenntnisse (Stufe B2 nach GER) in Wort und Schrift werden erwartet, um mit den Projektbeteiligten in Wort und Schrift kommunizieren zu können.
• Gute Englischkenntnisse in Wort und Schrift werden ebenso erwartet wie die Bereitschaft zum Verfassen englischsprachiger Veröffentlichungen und Vortragen der erzielten Forschungsergebnisse vor nationalem und internationalem Fachpublikum. Die Bereitschaft zur Aneignung der fehlenden Sprachkenntnisse wird vorausgesetzt.
• Erwünscht sind Kenntnisse auf den Gebieten des Machine Learnings, der Kontinuumsmechanik, der Materialmodellierung, der Mehrphasen- und Mischungstheorie, der Lagrange, Euler und ALE (Arbitrary Lagrangian-Eulerian) Formulierungen, der nichtlinearen FEM sowie der numerischen Methoden im Bereich der Strömungsmechanik.
• Programmierkenntnisse insbesondere in Fortran, Python, Matlab sowie Kenntnisse der Implementierung von Finite Elemente Methoden und ML Algorithmen wären von Vorteil.

Ihre Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Unterlagen ausschließlich per E-Mail (zusammengefasst in einem PDF-Dokument, max. 5 MB) an Prof. Dr.-Ing. Frank Rackwitz über nancy.hadzik-schulz@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.