Wissenschaftliche*r Mitarbeiter*in für die Batterieforschung
08.10.2021, Wissenschaftliches Personal
Der Lehrstuhl für Elektrische Energiespeichertechnik sucht zum 1.1.2022 eine wissenschaftliche Mitarbeiterin/ einen wissenschaftlichen Mitarbeiter für Alterungsanalysen von Lithium-Ionen-Batterien
Der Lehrstuhl für Elektrische Energiespeichertechnik (EES) der Technischen Universität München befasst sich mit Forschung an Batteriezellen und -systemen für stationäre und mobile Anwendungen. Aktuell beschäftigt der EES circa 30 Mitarbeiter*innen, verfügt über ein Batterietestlabor, ist an einer Forschungsproduktionslinie beteiligt und kooperiert im Rahmen mehrerer Projekte mit nationalen und internationalen Universitäten sowie Industriepartnern aus den Bereichen Energiespeichertechnik, Automotive, Energiewirtschaft und Halbleitertechnik.
Der Forschungsschwerpunkt des Lehrstuhls sind wiederaufladbare Batterien, insbesondere Lithium-Ionen-Batterien. Die Forschungsaktivitäten in diesem Bereich umfassen die Charakterisierung und Simulation von der Zell- bis in die Systemebene, Betriebsstrategien, Batteriemanagementsysteme und die Systemtechnik.
Anforderungen:
- Technisches oder naturwissenschaftliches Hochschulstudium mit überdurchschnittlichem Abschluss
- Zielstrebige und selbstständige Arbeitsweise und ein hohes Maß an Engagement
- Motivation zur fachlichen und persönlichen Entwicklung im universitären Umfeld
- Ausgeprägte Organisations- und Kommunikationsfähigkeiten
- Erfahrung im Themenfeld Lithium-Ionen-Batterien wünschenswert
- Erfahrung im Umgang mit MATLAB® wünschenswert
- Erfahrung im Umgang mit Cloud-Technologien von Vorteil
- Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift
Aufgaben:
Im Rahmen eines Verbundforschungsprojektes mit Partnern aus der Industrie sollen Methoden zur Ana-lyse der Alterung von stationären Großspeichern mit Lithium-Ionen-Batterien entwickelt werden. Das Ziel der Arbeit besteht darin, das elektrische Verhalten der Batterien eines stationären Großspeichers in Modellen abzubilden, die während des Betriebs und basierend auf den im realen Betrieb gemessenen Daten parametriert werden können. Durch diesen Ansatz soll es ermöglicht werden, Veränderungen der Batterieeigenschaften mit der Alterung zu erkennen. Die Methoden werden mit den in einer Cloud ge-speicherten Daten eines Großspeichers getestet und anhand von Messungen validiert. Die Aufgaben im Rahmen des Forschungsprojektes umfassen die Entwicklung von Modellen und Algorithmen zur Modellparametrierung, die Konzeption und Durchführung von Experimenten im Batterielabor, Daten-auswertung, Kommunikation mit den Projektpartnern und die Präsentation der Ergebnisse. Eine weitere Aufgabe ist die Beteiligung an der Lehre im universitären Umfeld.
Wir bieten:
Wir bieten eine Vollzeitstelle als wissenschaftliche/r Mitarbeiter*in mit Promotionsmöglichkeit. Die Stelle wird nach E13 TV-L (100%) vergütet und ist zunächst bis zum 30.09.2024 befristet.
Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Qualifizierte Frauen werden nachdrücklich gebeten, sich zu bewerben. Schwerbehinderte werden bei im Wesentlichen gleicher Eignung und Qualifikation bevorzugt eingestellt.
Bewerbung:
Wir freuen uns auf Ihre aussagekräftigen Unterlagen. Senden Sie diese bitte per E-Mail mit dem Betreff „Ausschreibung BMS“ an bewerbung.ees@ed.tum.de.
Bitte beachten Sie den Bewerbungsschluss am 31.10.2021.
Technische Universität München
Lehrstuhl für Elektrische Energiespeichertechnik
Arcisstraße 21, 80333 München
Tel. +49 89 289 26967
bewerbung.ees@ed.tum.de
Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) http://go.tum.de/554159 zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Übermittlung Ihrer Bewerbung be-stätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben.
The position is suitable for disabled persons. Disabled applicants will be given preference in case of generally equivalent suitability, aptitude and professional performance.
Data Protection Information:
When you apply for a position with the Technical University of Munich (TUM), you are submitting personal information. With regard to personal information, please take note of the Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. (data protection information on collecting and processing personal data contained in your application in accordance with Art. 13 of the General Data Protection Regulation (GDPR)). By submitting your application, you confirm that you have acknowledged the above data protection information of TUM.
Kontakt: it-support@tum.de