TUM

Wissenschaftlicher Mitarbeiter und Doktorand (f/m/d) für Forschungsprojekt über wirtschaftlich optimalen und netzdienlichen Betrieb von Batteriegroßspeichern in Verteilnetzen

Bayern · Professur für Energiemanagement-Technologien, School of Engineering and Design · Frist: 18.10.2026
TUM Stellenangebote →
Besoldung TV-L Befristung befristet 2 Jahre Frist 18.10.2026

id="content"> Sitemap > <a class="breadcrumb_link" href="https://portal.mytum.de/jobs">Jobs und Stellenangebote > <a class="breadcrumb_link" href="https://portal.mytum.de/jobs/wissenschaftler">Wissenschaftliches Personal > Wissenschaftlicher Mitarbeiter und Doktorand (f/m/d) für Forschungsprojekt über wirtschaftlich optimalen und netzdienlichen Betrieb von Batteriegroßspeichern in Verteilnetzen <img src="https://portal.mytum.de/index.gif" height="16" alt="auf" /> Zurück zu Nachrichten-Bereich <img src="https://portal.mytum.de/previous.gif" height="16" alt="vorhergehendes" /> Browse in News <img src="https://portal.mytum.de/next.gif" height="16" alt="nächster" /> Wissenschaftlicher Mitarbeiter und Doktorand (f/m/d) für Forschungsprojekt über wirtschaftlich optimalen und netzdienlichen Betrieb von Batteriegroßspeichern in Verteilnetzen 24.08.2026, Wissenschaftliches Personal <!-- News from section : ---> Die Professur für Energiemanagement-Technologien an der School of Engineering and Design der TUM sucht einen Wissenschaftlichen Mitarbeiter und Doktorand (w/m/d) für ein Forschungsprojekt im Bereich über wirtschaftlich optimalen und netzdienlichen Betrieb von Batteriegroßspeichern in Verteilnetzen. Sie begeistern sich für den Einsatz modernster Informationstechnologie zur Lösung der Energie- und Klimakrise und möchten in einem inspirierenden und internationalen Forschungsumfeld arbeiten? Dann lassen Sie uns gemeinsam die Energiemanagementsysteme der Zukunft gestalten! Unser Forschungsschwerpunkt: Die Forscher der Professur für Energiemanagement-Technologien beschäftigen sich mit dem Entwurf und der Evaluation innovativer datengetriebenen, selbstlernender Informationssysteme, die mehr erneuerbare Energien in unsere Energiesysteme integrieren und die Energienutzung effizienter machen. Wir entwickeln neue Optimierungsmethoden, Algorithmen für maschinelles Lernen und prototypische Energiemanagementsysteme (EMS), die komplexe Energiesysteme wie Gebäude, Stromverteilnetze und thermische Energiesysteme für eine nachhaltige Zukunft steuern. Diese EMS koordinieren die dezentrale Erzeugung erneuerbarer Energien wie Sonne und Wind, flexible Lasten wie Wärmepumpen und Elektrofahrzeuge sowie dezentrale Energiespeicher wie stationäre Batterien und Wasserstoffspeicher, um die Energieeffizienz zu maximieren und gleichzeitig die Energieversorgungsnetze zuverlässig und sicher zu betreiben. Unsere Forschungsmethode ist ingenieurwissenschaftlich, prototypengetrieben und hochgradig interdisziplinär. Unser typischer Forschungsprozess umfasst die Evaluierung bestehender Systeme, umfangreiche simulationsbasierte Analysen sowie die Implementierung und Validierung von Algorithmen- und Systemdesigns in realen Umgebungen. Ihre Aufgaben: Sie bearbeiten ein vom Bundesministerium für Wirtschaft und Energie gefördertes Forschungsprojekt über wirtschaftlich optimalen und netzdienlichen Betrieb von Batteriegroßspeichern in Verteilnetzen. Das Konsortium besteht aus verschiedenen Unternehmen, Genossenschaften, und Forschungseinrichtungen. Aufgabe der TUM im Rahmen des Projekts ist die Erforschung neuer Optimierungs- und Steuerungsmethoden, um Batteriegroßspeicher sowohl wirtschaftlich optimal im Strommarktkontext und gleichzeitig netzdienlich im Sinne einer automatischen Anpassung an lokale Kapazitäten des jeweiligen Verteilnetzes zu betreiben. Hierbei sollen neue Methoden rund um Modell-basierte mathematische Optimierung kombiniert mit Machine Learning zum Einsatz kommen. Die realistische Simulation von Batteriespeichern und Verteilnetzen bei unterschiedlich hohen Informationsständen spielt hierbei eine zentrale Rolle. Die Professur für Energiemanagementtechnologien arbeitet eng mit anderen Professuren der TUM, Industriepartnern und Partnerforschungseinrichtungen zusammen. Sie unterstützen uns dabei, diese Kooperationen effizient und produktiv zu gestalten. Als wissenschaftlicher Mitarbeiter (f/m/d) unterstützen Sie zudem unsere Lehrtätigkeit in verschiedenen Bachelor- und Masterstudiengängen der Fakultät für Ingenieurwissenschaften und Design sowie der Fakultät für Informatik, Informationstechnologie und Informatik. Sie wirken bei der Vorbereitung von Lehrmaterialien und der Durchführung unserer Vorlesungen mit, begleiten Laborpraktika und betreuen studentische Forschungsarbeiten. Ihr Profil: Überdurchschnittlicher Masterabschluss in Elektrotechnik Hands-on-Mentalität mit ersten praktischen Erfahrungen mit Optimierung und Steuerung/ Regelung von Energiesystemen Starkes Interesse an Energietechnik und -systemen Gute Fähigkeiten in der Softwareentwicklung Erste Erfahrungen mit der Anwendung von Methoden des Maschinellen Lernens Wissbegierig und leidenschaftlich an Forschung und Wissenstransfer interessiert Selbstständige, kreative und engagierte Arbeitsweise Fähigkeit, konzeptionell und analytisch zu denken Sehr gute Englischkenntnisse Gute Deutschkenntnisse Unser Angebot: Wir bieten Ihnen die Möglichkeit, in einem Team von hochmotivierten Wissenschaftlern zu forschen und vom Forschungsumfeld einer der besten Universitäten Europas und weltweit zu profitieren. Wir unterstützen Ihre Doktorarbeit im oben genannten Forschungsbereich. Die ausgeschriebene Stelle (Entgeltgruppe TV-L 13) ist zunächst auf 2 Jahre befristet. Eine weitere Beschäftigung ist möglich und beabsichtigt. Ihre Bewerbung: Wir freuen uns auf Ihre Bewerbung bis zum 18. Oktober 2026. Bitte senden Sie Ihre Unterlagen als eine einzige PDF-Datei per E-Mail an [email protected]. Ihre Bewerbung sollte folgende Unterlagen enthalten: Lebenslauf Vollständige akademische Zeugnisse Zeugnisse aus früheren Positionen, einschließlich Praktika Bachelor- und Masterarbeit Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. <!-- -->

Schlagworte
ElektrotechnikEnergietechnikBatteriegroßspeicherMaschinelles LernenOptimierungSimulationVerteilnetzeMasterPromotionEnglischDeutsch
Deutschlands Stellenbörse für die Wissenschaft
wissenschaftsstellen.de
TUM – 2 weitere Stellen
← Zurück zur Stellenbörse