Job Search and Career Advice Platform

Aktiviere Job-Benachrichtigungen per E-Mail!

Universitäts-Projektassistent*in im Bereich Computational Materials Design

Technische Universität Graz

Graz

Vor Ort

EUR 60 000 - 80 000

Vollzeit

Heute
Sei unter den ersten Bewerbenden

Erstelle in nur wenigen Minuten einen maßgeschneiderten Lebenslauf

Überzeuge Recruiter und verdiene mehr Geld. Mehr erfahren

Zusammenfassung

Eine führende Universität in Österreich sucht eine*n Universitäts-Projektassistent*in im Bereich Computational Materials Design. In dieser Rolle forschen Sie an Hochtemperatursupraleitern mit fortschrittlichen Methoden wie Machine Learning und arbeiten eng mit international renommierten Forschungsgruppen zusammen. Ein Doktorat in Physik und umfassende Erfahrung im Bereich Computational Modelling sind erforderlich. Wir bieten ein jährliches Mindestgehalt von € 69.060,59 sowie zahlreiche Entwicklungs- und Weiterbildungsmöglichkeiten in einem kollegialen Arbeitsumfeld.

Leistungen

Flexible Arbeitszeitgestaltung
Einkaufsvergünstigungen
Betriebliches Gesundheitsmanagement
Internationale Weiterbildungsmöglichkeiten

Qualifikationen

  • Doktorat in Physik oder einer ähnlichen Wissenschaftsdisziplin.
  • Bereitschaft zur internationalen Kooperation und Forschung.
  • Begeisterung für innovative Materialforschung.

Aufgaben

  • Forschung an neuen Hochtemperatursupraleitern.
  • Entwicklung von Algorithmen mit Machine Learning.
  • Zusammenarbeit mit internationalen Forschungsgruppen.

Kenntnisse

Hochmotiviert
Interesse an Computational Modelling
Erfahrung in Machine Learning
Teamarbeit
Eigenständigkeit

Ausbildung

Doktorat in Physik oder verwandtem Fach

Tools

DFT Softwarepakete
Machine Learning Methoden
Jobbeschreibung
Universitäts-Projektassistent*in im Bereich Computational Materials Design

Das Institut für Theoretische Physik - Computational Physics der TU Graz sucht eine*n Universitäts-Projektassistent*in im Bereich Computational Materials Design.

  • Bewirbfrist: 01.02.2026
  • Dienstbeginn: Ehestmöglich
  • Befristung: 12 Monate
  • Wochenstunden: 40 h/W
  • Anstellungsverhältnis: Befristet

Aufgaben

Ziel des Projektes ist die Erforschung und Entwicklung neuer Hochtemperatursupraleiter im Rahmen einiger sehr vielversprechender Materialsystemen mithilfe von Machine Learning Methoden und State of the Art DFT und DFPT Softwarepaketen. Das Projekt wird in enger Kooperation mit mehreren Forschungsgruppen in UK und USA durchgeführt.

  • Forschung konventionelle Supraleitung
  • Einsatz von Machine Learning Methoden
  • Zusammenarbeit mit internationalen Partner:innen

Aufnahmebedingungen

  • Doktorat in Physik oder einer ähnlichen, geeigneten Wissenschaftsdisziplin.

Gewünschte Qualifikation

  • Hochmotiviert und offen für neue Herausforderungen
  • Interesse und Erfahrung im Bereich Computational Modelling of Materials (DFT, DFPT)
  • Umfassende Erfahrung im Einsatz von Machine Learning Methoden
  • Fähigkeit eigenständig und im Team zu arbeiten
  • Abwechslungsreicher Aufgabenbereich
  • Kollegial-freundschaftliches Arbeitsklima
  • Flexible Arbeitszeitgestaltung (inkl. Home-Office-Möglichkeit; bezahlte Mittagspause - je nach Stundenausmaß)
  • Internationale Weiterbildungsmöglichkeiten und Lehraufenthalte
  • Gütesiegel für innerbetriebliche Frauenförderung
  • Familienfreundlichster Betrieb der Steiermark 2018
  • Öffi-Zuschuss
  • Einkaufsvergünstigungen
  • Betriebliches Gesundheitsmanagement
  • Zugang zu den neuesten Technologien
  • Umfangreiche Aus- und Weiterbildungsmöglichkeiten
  • Sicheres und stabiles Arbeitsumfeld

Wir bieten ein Jahresbruttogehalt auf Basis Vollzeit von mindestens € 69.060,59. Eine Überzahlung je nach Qualifikation und Erfahrung ist möglich.

Die Technische Universität Graz strebt eine Erhöhung des Frauenanteils, insbesondere in Leitungsfunktionen und beim wissenschaftlichen Personal an und lädt deshalb qualifizierte Frauen ausdrücklich zur Bewerbung ein. Im Falle von Unterrepräsentation werden Frauen bei gleicher Qualifikation vorrangig aufgenommen.

Die Technische Universität Graz bemüht sich aktiv um Vielfalt und Chancengleichheit. Bei der Personalauswahl dürfen Personen aufgrund des Geschlechts, der ethnischen Zugehörigkeit, der Religion oder der Weltanschauung, des Alters oder der sexuellen Orientierung nicht benachteiligt werden (Antidiskriminierung).

Menschen mit Behinderung und entsprechender Qualifikation werden ausdrücklich zur Bewerbung eingeladen.

Über uns

Die TU Graz ist die traditionsreichste technisch-naturwissenschaftliche Forschungs- und Bildungsinstitution in Österreich und zählt zu einer der größten Arbeitgeber:innen der Region mit rund 4.000 Mitarbeiter:innen. In ihren fünf Stärkefeldern, den Fields of Expertise, erbringt die TU Graz internationale Spitzenleistungen und setzt auf intensive Zusammenarbeit mit anderen Forschungs- und Bildungseinrichtungen sowie mit Wirtschaft und Industrie weltweit. In der europäischen Hochschullandschaft steht die TU Graz verstärkt im Wettbewerb um die besten Köpfe und Ressourcen.

In diesem Video geben wir einen Einblick in das Arbeitsumfeld der TU Graz: HIER

Organisationseinheit

Das Institut für Theoretische und Computationale Physik (ITCP) an der Technische Universität Graz vereint exzellente Forschung in den Bereichen Vielteilchenphysik, Materialwissenschaften und Plasmaphysik. Unsere Gruppen entwickeln und nutzen moderne numerische Verfahren und Simulationen – von Dichtefunktionaltheorie über Quanten-Monte-Carlo bis zur kinetischen Plasmatheorie. Wir sind international vernetzt und kooperieren mit führenden Forschungseinrichtungen weltweit. Mit einem jungen, dynamischen Team aus Professuren, Postdocs und Doktorand*innen arbeiten wir in einem inspirierenden Umfeld in Graz. Neue Mitarbeitende erwartet eine offene Forschungsatmosphäre, Zugriff auf High-Performance-Computing und die Chance, in zukunftsweisenden Projekten mitzuarbeiten.

Technische Universität Graz

Rechbauerstraße 12

Ass. Prof. Dr. Christoph Heil

Hol dir deinen kostenlosen, vertraulichen Lebenslauf-Check.
eine PDF-, DOC-, DOCX-, ODT- oder PAGES-Datei bis zu 5 MB per Drag & Drop ablegen.