Job Description

An der Georg-August-Universität Göttingen Stiftung Öffentlichen Rechts – Institut für Informatik - Abteilung Maschinelles Lernen ist zum nächstmöglichen Zeitpunkt eine Stelle als

Nachwuchsgruppenleiter*in UGOE/(CAIMed) (w/m/d)

- Entgeltgruppe 14 TV-L -

in Vollzeit (teilzeitgeeignet) zu besetzen. Die Stelle ist befristet für drei Jahre, mit der Möglichkeit einer Verlängerung um ein weiteres Jahr, vorbehaltlich verlängerter Finanzierung durch die Drittmittelgeber.




Diese Stelle im Bereich Datengetriebene Systemmodelle/Digitale Zwillinge für Medizin und Life Sciences ist in Zusammenarbeit mit der

GEORG-AUGUST-UNIVERSITÄT GÖTTINGEN und dem Niedersächsischen Forschungszentrum für Künstliche Intelligenz und Kausale Methoden in der Medizin (CAIMed)

zu besetzen. Gesucht wird eine engagierter und herausragender Nachwuchsgruppenleiterin für die neu zu etablierende Forschungsgruppe „Datengetriebene Digitale Zwillinge".

Ausstattung der Nachwuchsgruppe:

Mittel für zwei Mitarbeitende (TV-L E13, 100%) für jeweils drei Jahre Sachmittel Sekretariatsunterstützung durch das zentrale CAIMed-Sekretariat in Göttingen Zugang zur exzellenten Forschungsinfrastruktur des Göttingen Campus

Forschungsschwerpunkt:

Die Forschungsgruppe soll sich mit modernen KI-Methoden zur Erzeugung digitaler Zwillinge aus biologischen und medizinischen Daten befassen. Ziel ist es, durch innovative Ansätze zum Erkenntnisgewinn in den Life Sciences beizutragen. Mögliche (aber nicht ausschließliche) Forschungsfelder können sein
Entwicklung datengetriebener Modelle biologischer und medizinischer Systeme Integration von Simulationsmethoden mit maschinellem Lernen und KI Hybride Modellierungsansätze, die biophysikalisches oder biomechanisches Wissen mit datengetriebenen Methoden kombinieren Anwendungen in der personalisierten Medizin und präzisen Diagnostik
Eine thematische Passung an das CAIMed-Zentrum (https://caimed.de) sowie die Göttinger Forschungslandschaft (CIDAS, EKFZ für optogenetische Therapien, Universitätsmedizin Göttingen) ist erwünscht.

Ihr Profil

Fachliche Qualifikationen:

Abgeschlossenes wissenschaftliches Hochschulstudium in Informatik, Mathematik, Physik, Computational Neuroscience, Biomedical Engineering oder verwandten Disziplinen, eine abgeschlossene oder kurz vor dem Abschluss stehende Promotion in einem der genannten Bereiche ist von Vorteil. Exzellente Publikationsbilanz (relativ zu akademischen Alter) in führenden internationalen Fachzeitschriften und Konferenzen Nachgewiesene Expertise in mindestens einem der folgenden Bereiche: + Deep Learning und moderne KI-Architekturen
+ Computational Modeling und Simulation
+ Physics-informed Machine Learning
+ Datengetriebene biophysikalische oder biomechanische Modellierung
+ Neuronale Differentialgleichungen oder ähnliche hybride Ansätze
+ Biologische oder medizinische Datenanalyse

Persönliche Kompetenzen:

Ausgeprägte Motivation, eine eigenständige Forschungsgruppe aufzubauen und zu leiten Begeisterung für interdisziplinäre Zusammenarbeit Teamfähigkeit und Führungskompetenz Exzellente Kommunikationsfähigkeiten in Englisch Engagement in der Betreuung und Förderung von Doktorandinnen

Wir bieten:

Eine herausragende wissenschaftliche Umgebung mit Zugang zu modernster Compute-Infrastruktur Einbindung in das interdisziplinäre CAIMed-Netzwerk mit Partnern aus Informatik, Medizin und Lebenswissenschaften Möglichkeit zur engen Zusammenarbeit mit dem Campus-Institut Data Science (CIDAS), der Universitätsmedizin Göttingen, dem Deutschen Primatenzentrum, mehreren Max-Planck-Instituten und dem EKFZ für optogenetische Therapien Möglichkeiten zur aktiven Mitwirkung an der strategischen Weiterentwicklung des CAIMed-Zentrums. Unterstützung bei der Einwerbung von Drittmitteln und beim Aufbau internationaler Kooperationen Ein familienfreundliches Arbeitsumfeld mit flexiblen Arbeitszeitmodellen die Vorzüge einer historischen Universitätsstadt mit hoher Lebensqualität

Über CAIMed

Das Niedersächsische Forschungszentrum für Künstliche Intelligenz und Kausale Methoden in der Medizin (CAIMed) ist ein neu gegründetes interdisziplinäres Forschungszentrum mit dem Ziel, durch innovative KI-Methoden und kausale Inferenz Durchbrüche in der medizinischen Forschung und klinischen Praxis zu erzielen. CAIMed verbindet Expertise aus Informatik, Mathematik, Medizin und Lebenswissenschaften an den Standorten Göttingen und Hannover.

Ihre Bewerbung sollte folgende Unterlagen enthalten:

Motivationsschreiben mit Darstellung Ihrer Forschungsvision Lebenslauf mit vollständiger Publikationsliste Kurze Beschreibung bisheriger und geplanter Forschungsaktivitäten (max. 3 Seiten), Kontaktdaten von zwei Referenzpersonen Kopien relevanter Zeugnisse und Urkunden
Für fachliche Rückfragen steht Ihnen gerne zur Verfügung:

Prof. Dr. Fabian Sinz

(sinz@uni-goettingen.de)




Die Universität Göttingen strebt in den Bereichen, in denen Frauen unterrepräsentiert sind, eine Erhöhung des Frauenanteils an und fordert daher qualifizierte Frauen nachdrücklich zur Bewerbung auf. Sie versteht sich zudem als familienfreundliche Hochschule und fördert die Vereinbarkeit von Wissenschaft/Beruf und Familie. Der beruflichen Teilhabe von schwerbehinderten Beschäftigten sieht sich die Universität in besondere Weise verpflichtet und begrüßt deshalb Bewerbungen schwerbehinderter Menschen. Bei gleicher Qualifikation erhalten Bewerbungen von Menschen mit Schwerbehinderung den Vorzug. Eine Behinderung bzw. Gleichstellung ist zur Wahrung der Interessen bereits in die Bewerbung aufzunehmen.




Bitte reichen Sie Ihre aussagekräftige Bewerbung mit allen wichtigen Unterlagen bis zum

31.01.2026 ausschließlich über das Bewerbungsportal

http://obp.uni-goettingen.de/de-de/OBF/Index/76270

ein

. Auskunft erteilt Herr Fabian Sinz, E-Mail: sinz@uni-goettingen.de, Tel. +49 551 39 21256

Hinweis:

Wir weisen darauf hin, dass die Einreichung der Bewerbung eine datenschutzrechtliche Einwilligung in die Verarbeitung Ihrer Bewerbungsdaten durch uns darstellt. Näheres zur Rechtsgrundlage und Datenverwendung finden Sie im Hinweisblatt zur Datenschutzgrundverordnung (DSGVO)