Wissenschaftliche*r Mitarbeiter*in (m/w/d) in der AG Genome Data Science (Postdoc)

Universität Bielefeld; Bielefeld; Vor Ort; EUR 52.000 - 68.000; Vollzeit

Benefits dieser Stelle

Vollzeit

flexible Arbeitszeiten

gute Verkehrsanbindung

betriebliche Zusatzversorgung (VBL)

kollegiale Zusammenarbeit

offene und angenehme Arbeitsatmosphäre

spannende und abwechslungsreiche Tätig

modernes Arbeitsumfeld mit digitalen.P

Mensa/Uni-Cafeteria

Zusammenfassung

Universität Bielefeld sucht für die Technische Fakultät eine Wissenschaftliche Mitarbeiterin (m/w/d) in der AG Genome Data Science (Postdoc). Die Arbeitsgruppe forscht mit KI, Data Science und Sequenzanalyse an großen Genomdatenbeständen, entwickelt Deep-Learning-Verfahren zur Analyse genetischer Krankheiten und Mikrobiomen und strebt translational nutzbare Ergebnisse an.

Sie arbeiten an algorithmischen Strukturen, Pangenomik-Ansätzen und der Erstellung von Datenstrukturen, unterstützen die

Qualifikationen

• Abgeschlossenes einschlägiges Hochschulstudium (z. B. Master oder Diplom).
• Nachgewiesene Publikationserfahrung.
• Promotion im relevanten Bereich ist erwünscht.

Aufgaben

• Forschungsaufgaben (70 %) zur Entwicklung neuer Strukturen und KI-basierter Methoden.
• Lehre und lehrunterstützende Tätigkeiten im Umfang von 4 Leistungspständen (LVS) (25 %).
• Weitere Aufgaben im Sinne der akademischen Qualifizierung und Projektdurchführung.

Kenntnisse

Pangenom-Analyse

Publikationserfahrung

Lehre-Erfahrung

Teamarbeit

Ausbildung

Master oder Diplom in einschlägigem Fach

Promotion

Jobbeschreibung

In der Technische Fakultät ist die folgende Position zu besetzen:

Wissenschaftlicher Mitarbeiterin (m/w/d) in der AG Genome Data Science (Postdoc)

Die Arbeitsgruppe Genome Data Science an der Technischen Fakultät wird von Prof. Dr. Alexander Schönhuth geleitet und ist auch Mitglied im Centrum für Biotechnologie (CeBiTec).

Die Forschung der Arbeitsgruppe befasst sich mit dem Einsatz von Verfahren der Künstlichen Intelligenz, der Data Science, der Algorithmik und der Sequenzanalyse, um die sehr großen Datenmengen auszuwerten, die vor allen Dingen bei der modernen Hochdurchsatzsequenzierung anfallen.

Dabei decken wir ein breites Spektrum der Algorithmen- und Softwareentwicklung ab, von grundsätzlichen Verfahren der Sequenzanalyse, der computergestützten Pan-Genomik bis hin zur Entwicklung von Künstliche-Intelligenz-Verfahren, wobei der Einsatz von Deep Learning zum Zwecke der Analyse genetischer Krankheiten oder Mikrobiomen einen Schwerpunkt bildet.

Unsere akademische Ausbildung konzentriert sich auf Algorithmen für die effiziente Analyse von Genomsequenzen, des Designs von Datenstrukturen, die große Mengen von Genomen miteinander in Beziehung setzen können, als auch die Erstellung von Machine Learning Verfahren (wie z. B. das Design von Architekturen von tiefen neuronalen Netzen), mit denen Genomdaten ausgewertet werden können.

Dabei ist der reale Nutzen solcher Verfahren, z. B. im Sinne des Verstehens von bislang unverstandenen Krankheiten ein wichtiger Punkt. Nichtsdestotrotz stehen bei der täglichen Arbeit die Kreativität, und der Spaß am Design von Algorithmen und an der statistichen Modellierung und der Erschaffung von neuen Verfahren der künstlichen Intelligenz im Vordergrund.

Ihre Aufgaben

• Forschungsaufgaben (70 %)
  • Erschaffung neuer algorithmischer Strukturen, die die genetische Vielfalt von Bevölkerungen abbilden ("Computational Pangenomics")
  • Erschaffung computational-pangenomics-kompatibler Strukturen, die die Anwendung von KI-basierten Methoden ermöglichen
  • Generierung synthetischer Daten, denen pangenomische Daten-Verteilungen zugrunde liegen
  • Erstellung von Datenstrukturen, möglicherweise KI-getriebenen Methoden zur Überwachung und Klassifizierung von Pathogenen (Viren, Bakterien)
  • Mathematische, KI-kompatible Modelle zum Einsatz in der translationalen Pangenomik
  • Erstellung von (Drittmittel-)Projektanträgen
  • Publikationen und Vorträge auf wissenschaftlichen Tagungen
• Lehre und lehrunterstützende Tätigkeiten im Umfang von 4 LVS (25 %)
• sonstige Aufgaben (5 %)

Die Beschäftigung ist der wissenschaftlichen Qualifizierung förderlich, die Gelegenheit zur wissenschaftlichen (Weiter-)Qualifikation wird gegeben.

Ihr Profil

Das erwarten wir

• abgeschlossenes einschlägiges wissenschaftliches Hochschulstudium (z. B. Master oder Diplom)
• abgeschlossene einschlägige Promotion
• Vertrautheit im Umgang mit Techniken der Pangenom-Analyse
• nachgewiesene Publikationserfahrung
• Erfahrung im Bereich der Lehre
  • selbstständige, eigenverantwortliche und engagierte Arbeitsweise
  • hohe Kommunikationsfähigkeit
  • ausgeprägte Präsentations- und Moderationskompetenz
  • ausgeprägte Organisations- und Koordinationsfähigkeit
  • kooperativer und teamorientierter Arbeitsstil

Unser Angebot

• Vergütung nach E13 TV-L
• befristet auf 3 Jahre (§ 2 Abs. 1 Satz 2 WissZeitVG; entsprechend den Vorgaben des WissZeitVG und des Vertrages über gute Beschäftigungsbedingungen kann sich im Einzelfall eine abweichende Vertragslaufzeit ergeben)
• Vollzeit
• interne und externe Fortbildungsmöglichkeiten
• Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten
• Vereinbarkeit von Familie und Beruf
• flexible Arbeitszeiten
• gute Verkehrsanbindung
• betriebliche Zusatzversorgung (VBL)
• kollegiale Zusammenarbeit
• offene und angenehme Arbeitsatmosphäre
• spannende und abwechslungsreiche Tätigkeiten
• modernes Arbeitsumfeld mit digitalen Prozessen
• vielfältige Angebote (Mensa, Cafeteria, Restaurants, Uni-Shop, Geldautomaten etc.)

Bewerbungsfrist: 05.10.2026

Die Universität Bielefeld ist für ihre Erfolge in der Gleichstellung mehrfach ausgezeichnet und als familienfreundliche Hochschule zertifiziert. Sie freut sich über Bewerbungen von Frauen. Dies gilt im besonderen Maße im wissenschaftlichen Bereich sowie in Technik, IT und Handwerk. Bewerbungen von geeigneten schwerbehinderten oder ihnen gleichgestellten behinderten Menschen sind ausdrücklich erwünscht. An der Universität Bielefeld werden Stellenbesetzungen auf Wunsch grundsätzlich auch mit reduzierter Arbeitszeit vorgenommen, soweit nicht im Einzelfall zwingende dienstliche Gründe entgegenstehen.