Die Universität Rostock bietet Ihnen eine vielfältige, abwechslungsreiche und anspruchsvolle Tätigkeit in einer traditionsbewussten, aber dennoch innovativen, modernen und familienfreundlichen Hochschule in einer lebendigen Stadt am Meer.

An der Fakultät für Informatik und Elektrotechnik, Institut für Visual and Analytic Computing besetzen wir vorbehaltlich haushaltsrechtlicher Regelungen zum nächstmöglichen Zeitpunkt befristet für 3 Jahre die folgende Stelle:

Wissenschaftliche/r Mitarbeiter/in (m/w/d) - Machine Learning für Erdbeobachtung

Startdatum zum nächstmöglichen Zeitpunkt

Arbeitszeit Vollzeit mit 40 Stunden

Entgelt Entgeltgruppe 13 TV-L

Standort Rostock

Ausschreibungsnummer W 124/2026

Befristung befristet für 3 Jahre

Bewerbungsfrist 15.10.2026

FÜR WEITERE AUSKÜNFTE STEHEN WIR IHNEN ZUR VERFÜGUNG:

Personalservice:
Pia-Lucy Dahl
Tel.-Nr.: 0381/498-1292
E-Mail:

Fachbereich:
Jun.-Prof. Dr. rer. nat. Stefan Oehmcke
E-Mail:

Die Forschungsgruppe Visual and Analytic Computing in Ocean Technologies (VACOT) sucht eine wissenschaftliche Mitarbeiterin oder einen wissenschaftlichen Mitarbeiter zur Entwicklung von Machine-Learning-Methoden für Erdbeobachtungsdaten. Die Stelle bietet die Möglichkeit zur Promotion mit dem Qualifizierungsziel Dr.-Ing. an der Universität Rostock und wird in enger wissenschaftlicher Zusammenarbeit mit Ankit Kariryaa an der Universität Kopenhagen ausgestaltet.

Machine-Learning-Forschung

Wie können Modelle aus unterschiedlich aufgelösten, zeitlich versetzten und unvollständigen Beobachtungen lernen, wenn die untersuchten Systeme miteinander verbunden sind? Das Promotionsprojekt untersucht diese Frage anhand von Hitzewellen an Land und im küstennahen Meer sowie ihren Zusammenhängen mit der Atmosphäre. Im Mittelpunkt der Promotion steht die methodische Forschung im Bereich Machine Learning. Erdbeobachtungsdaten und die Untersuchung von Hitzewellen dienen dabei als anspruchsvoller Anwendungskontext für die Entwicklung und Evaluation neuer Methoden. Die konkrete Forschungsfrage und der methodische Ansatz werden gemeinsam mit der promovierenden Person ausgearbeitet.

Potenzielle Teilprojekte sind:

• multimodales und multiskaliges Repräsentationslernen aus Satellitenbildern, Umweltzeitreihen und punktuellen Sensormessungen
• Geometric Deep Learning zur Modellierung räumlicher Beziehungen und zeitlicher Interaktionen zwischen Land, Meer und Atmosphäre
• Transfer Learning und probabilistische Modellierung für neue Küstenregionen, veränderte Datenverfügbarkeit und extreme Ereignisse

Zusammenarbeit mit Kopenhagen und Anwendungspartnern

Ein Schwerpunkt ist die Zusammenarbeit mit Ankit Kariryaa am Department of Geosciences and Natural Resource Management (IGN) und am Department of Computer Science (DIKU) der Universität Kopenhagen. Als mögliche Anwendungspartner kommen das Leibniz-Institut für Ostseeforschung Warnemünde (IOW) sowie einschlägige Arbeitsgruppen für Küstenforschung, Klima und Ökologie am IGN und an der Universität Rostock hinzu. Ihre Beteiligung wird entsprechend der Forschungsfrage abgestimmt; sie können Fachwissen zur Interpretation der Daten und zur Bewertung der Modelle einbringen.

DAS SIND IHRE AUFGABEN:

• eigenständiges Bearbeiten eines Machine-Learning-Forschungsprojekts unter wissenschaftlicher Betreuung mit dem Ziel der Promotion
• Entwickeln von Software-Prototypen und reproduzierbaren Experimenten; Vergleichen und Evaluieren von Modellen auf unabhängigen Regionen und Ereignissen
• Verfassen und Präsentieren wissenschaftlicher Publikationen mit dem Ziel, Forschungsergebnisse auf führenden internationalen Konferenzen im Bereich Machine Learning und Computer Vision zu veröffentlichen
• Dokumentieren und Bereitstellen von Forschungscodes im Rahmen der verfügbaren Rechte
• Zusammenarbeiten mit wissenschaftlichen Partnern und Austauschen über die methodischen und anwendungsbezogenen Forschungsfragen
• Mitwirken in der Lehre (z.B. bei Übungen) und bei der Betreuen studentischer Arbeiten im Rahmen der eigenen fachlichen Expertise
• Erarbeiten und Erstellen einer Dissertation

DAMIT PASSEN SIE ZU UNS:

• abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder vergleichbarer Abschluss) in Informatik, Mathematik, Physik, Elektrotechnik, Geoinformatik oder einer vergleichbaren Fachrichtung mit mindestens gutem Ergebnis
• fundierte Grundlagen im Maschinellen Lernen und starke Programmierkenntnisse, vorzugsweise in Python; praktische Erfahrung mit einem gängigen Deep-Learning-Framework
• Interesse an methodischer ML-Forschung und an der Zusammenarbeit mit Forschenden aus anderen Disziplinen
• sehr gute Englischkenntnisse in Wort und Schrift für wissenschaftliche Publikationen und den internationalen Austausch
• wünschenswert sind:
• Vorkenntnisse in der Fernerkundung oder Erfahrungen aus einschlägigen Lehrveranstaltungen, Forschungsarbeiten oder praktischen Projekten
• Erfahrung mit Geodaten, Graph Learning, probabilistischer Modellierung oder Umweltanwendungen
• Kenntnisse der deutschen Sprache bzw. die Bereitschaft, sich diese anzueignen
• Publikationserfahrung
• Bereitschaft, ernsthaft und engagiert an einem Vorhaben der eigenen wissenschaftlichen Qualifizierung zu arbeiten

WIR ALS ARBEITGEBER:

Chancengleichheit ist uns wichtig. Bewerbungen geeigneter schwerbehinderter oder gleichgestellter Menschen sind uns willkommen. Wir streben eine Erhöhung des Anteils von Frauen in Forschung und Lehre an und bestärken deshalb einschlägig qualifizierte Frauen sich zu bewerben. Bewerbungen von Menschen anderer Nationalitäten oder mit Migrationshintergrund begrüßen wir.

WIR BIETEN IHNEN:

WEITERE HINWEISE:

Die tarifliche Erfahrungsstufe legen wir unter Berücksichtigung Ihrer bisherigen Berufserfahrung individuell fest.

Sofern Sie diese Stelle in Teilzeit ausüben möchten, ist dies unter Berücksichtigung der dienstlichen Anforderungen grundsätzlich möglich.

Die Befristung des Arbeitsverhältnisses richtet sich nach § 2 (1) Wissenschaftszeitvertragsgesetz.

Wir freuen uns auf Ihre Bewerbung bis spätestens 15.10.2026. Bitte senden Sie uns:

• ein Motivationsschreiben (maximal eine Seite) mit Bezug zum ML-Schwerpunkt der Stelle
• einen Lebenslauf mit Ausbildung, relevanten Erfahrungen und Sprachkenntnissen
• Abschlusszeugnisse und Notenübersichten; bei Dokumenten in anderen Sprachen als Deutsch oder Englisch zusätzlich eine Übersetzung; bei noch ausstehendem Abschluss zunächst eine aktuelle Notenübersicht und eine Angabe zum erwarteten Abschlusszeitpunkt
• optional: Publikationsliste oder Beispiele eigener Forschungs-, Studien- oder Softwareprojekte

Wir können nur Bewerbungen berücksichtigen, die über unsere Homepage eingehen. Dazu senden Sie uns bitte Ihre Unterlagen über den Button „Online Bewerbung“ am Ende eines Stellenangebots zu. E-Mail-Bewerbungen können wir leider nicht akzeptieren.

Bewerbungsunterlagen, die unvollständig sind, können im weiteren Verlauf des Auswahlverfahrens unberücksichtigt bleiben.

Bewerbungs- und Fahrkosten können wir leider nicht übernehmen.

Werden Sie Teil des Teams

VACOT am Institut für Visual and Analytic Computing der Universität Rostock wird von Jun.-Prof. Dr. Stefan Oehmcke geleitet. Unter dem Forschungsprofil Earth & Ocean ML entwickelt die Gruppe Methoden für räumlich-zeitliche und multimodale Daten in Umwelt- und maritimen Anwendungen. Forschungsthemen sind unter anderem Repräsentationslernen, selbstüberwachtes Lernen und effiziente Inferenz. Stefan Oehmcke's zusätzliche Tätigkeit am Department of Computer Science der Universität Kopenhagen schafft eine bestehende Verbindung zwischen beiden Standorten.

Forschungsprofil: https://stefoe.github.io/

Wir freuen uns auf Ihre Bewerbung!

Kontakt

Universität Rostock
18051 Rostock
Tel.: +49 381 498 - 0

Sitze des Rektorats:
Universitätsplatz 1
18055 Rostock

Service

Zertifikate

Familienfreundliche Hochschule HRK-Audit

Soziale Medien