Die Universität Paderborn ist eine leistungsstarke und international orientierte
Campus-Universität. In interdisziplinären Teams gestalten wir
zukunftsweisende Forschung, innovative Lehre sowie den aktiven Wissenstransfer
in die Gesellschaft. Als wichtige Forschungs- und Kooperationspartnerin
prägt die Universität auch regionale Entwicklungsstrategien.
Unseren Beschäftigten in Forschung, Lehre, Technik und Verwaltung bieten
wir ein lebendiges, familienfreundliches und chancengerechtes Arbeitsumfeld
mit kurzen Entscheidungswegen und vielfältigen Möglichkeiten. Gestalten
Sie mit uns die Zukunft!

Das HZDR ist Mitglied der Helmholtz-Gemeinschaft Deutscher Forschungszentren
und beschäftigt rund 1.500 Mitarbeitende. Im Fokus stehen interdisziplinäre
Forschungsarbeiten in den Bereichen Energie, Gesundheit und
Materie mit dem Ziel, nachhaltige und innovative Lösungen für gesellschaftliche
Herausforderungen zu entwickeln. CASUS als Zentrum für digitale interdisziplinäre
Systemforschung ist einmalig in Deutschland. Es vereint
Methoden aus Mathematik, Systemtheorie, wissenschaftlichem Rechnen
und den Datenwissenschaften, um datenintensive Systemforschung über
einzelne Disziplinen hinweg neu zu denken.

In der Fakultät für Naturwissenschaften – Department Chemie – ist zum
nächstmöglichen Zeitpunkt eine

Professur für maschinelles Lernen und
datengetriebene Methoden in der Chemie
nach dem Thüringer Modell (w/m/d)

zu besetzen. Die Berufung erfolgt gemeinsam mit dem Center for Advanced
Systems Understanding (CASUS) am Helmholtz-Zentrum Dresden-Rossendorf
(HZDR) nach dem Thüringer Modell; mit der Universität Paderborn wird
kein Beamten- oder Arbeitsverhältnis begründet.

Von den Bewerber*innen wird erwartet, den Schwerpunkt „Maschinelles
Lernen und datengetriebene Methoden für chemische Systeme“ am Department
Chemie in Forschung und Lehre aktiv zu vertreten. Dies setzt ausgewiesene
Kompetenz in der Entwicklung und Anwendung von wissenschaftlichen
maschinellen Lernmethoden für Elektronenstrukturtheorie und
chemische Fragestellungen sowie Erfahrung sowohl in der Entwicklung als
auch in der Anwendung von datengetriebenen und atomistischen ab-initio
Simulationsmethoden voraus.

Die Ausrichtung auf die Entwicklung und den Einsatz wissenschaftlicher,
physikalisch-informierter und auf ab-initio-Daten basierender Methoden
des maschinellen Lernens soll das bestehende Themenportfolio und den
Schwerpunkt „Nachhaltigkeit“ des Departments Chemie auf dem Gebiet der
nachhaltigen Chemie sinnvoll ergänzen.

Fundierte Kenntnisse und Erfahrung auf dem Gebiet des wissenschaftlichen
maschinellen Lernens und seiner Anwendung in der Chemie, insbesondere
in der datengetriebenen Modellierung auf Grundlage von ab-initio-Methoden
und atomistischen Simulationen sowie in der Erzeugung entsprechender
Trainingsdaten, sind erforderlich. Erfahrungen mit spektroskopischen
Methoden, der Nutzung von Hochleistungsrechenzentren und der Zusammenarbeit
mit Großforschungsanlagen sind von Vorteil. Ein interdisziplinärer
und internationaler Lebenslauf, mit dem die Bewerber*innen ihr Potenzial
für eine Stärkung des Standorts nachweisen, ist wünschenswert.

Mit diesem Profil sollen die in Paderborn vorhandenen departments- und
fakultätsübergreifenden Forschungsaktivitäten, insbesondere an den
Schnittstellen von Chemie, datengetriebener Simulation und wissenschaftlichem
Hochleistungsrechnen mit Bezug zu maschinellem Lernen, ergänzt
und verstärkt werden. Eine mögliche Anbindung an das Center for Sustainable
Systems Design (CSSD), das Institut für Photonische Quantensysteme
(PhoQS) und an das Paderborn Center for Parallel Computing (PC2) ist erwünscht.
Die aktive Beteiligung an koordinierten Drittmittelprojekten und
die ausgewiesene Fähigkeit zu interdisziplinären und standortübergreifenden
Kooperationen werden erwartet.

Die*Der künftige Stelleninhaber*in soll in der Lehre das Gebiet der Theoretischen
Chemie in den Bachelor- und Masterstudiengängen für Studierende
im Haupt- und Nebenfach in deutscher und englischer Sprache vertreten,
sowie eine Erweiterung des Lehrangebots um Methoden des maschinellen
Lernens und datengestützte Themen anstreben. Die Mitarbeit in der akademischen
Selbstverwaltung wird erwartet.

Anforderungen: Von den Bewerber*innen wird erwartet, dass sie umfassende
nachweisbare Erfahrungen in der Entwicklung und Anwendung theoretischchemischer,
datengetriebener und auf maschinellem Lernen basierender
Methoden, in der Einwerbung und Leitung kompetitiver Drittmittelprojekte
sowie in der interdisziplinären und internationalen Zusammenarbeit mit
universitären und außeruniversitären Forschungseinrichtungen vorweisen
können. Erwartet wird weiterhin eine mindestens zweijährige Leitungserfahrung
in einer außeruniversitären Forschungseinrichtung. Auf Kooperationsfähigkeit
und Anschlussfähigkeit an die Arbeitsgruppen des Departments
Chemie wird besonderer Wert gelegt. Lehrerfahrung in Studiengängen der
Chemie sind wünschenswert, ebenso Auslandserfahrung sowie Erfahrung in
der Förderung von Chancengleichheit.

Einstellungsvoraussetzungen: § 36 Abs. 1 Ziff. 1 bis 4 HG NRW (abgeschlossenes
Hochschulstudium, pädagogische Eignung, einschlägige Promotion
und zusätzliche, habilitationsäquivalente wissenschaftliche Leistungen).

Bewerbungen von Frauen sind ausdrücklich erwünscht und werden gem.
Landesgleichstellungsgesetz NRW (LGG) bei gleicher Eignung, Befähigung
und fachlicher Leistung bevorzugt berücksichtigt, sofern nicht in der Person
eines Mitbewerbers liegende Gründe überwiegen. Ebenso ist die Bewerbung
geeigneter Schwerbehinderter und Gleichgestellter im Sinne des Sozialgesetzbuches
Neuntes Buch (SGB IX) erwünscht.

Auskünfte erteilt Prof. Dr. Thomas Werner unter th.werner@uni-paderborn.de.

Bewerbungen mit den üblichen Unterlagen (Lebenslauf, Zeugnisse und Urkunden,
Schriftenverzeichnis, Liste der durchgeführten Lehrveranstaltungen,
Lehrkonzept, Angaben zu derzeitigen und geplanten Forschungsvorhaben,
Forschungskooperationen und ggf. Sprachzertifikate (Deutsch) etc.) inkl. eines
einseitigen Konzeptpapiers hinsichtlich der Anschlussfähigkeit der Forschungsaktivitäten
im Department werden unter Angabe der Kennziffer 7324
bis zum 25. September 2026 erbeten.

Die Datenschutzinformationen habe ich gelesen.