• Der Lehrstuhl ist ständig an Initiativbewerbungen von Kandidaten mit einem herausragenden Abschluss (Master, Diplom) in Ingenieurwissenschaften, Mathematik, Physik oder einem anderen verwandten Fach interessiert.
• Bewerbungen mit aussagekräftigem Anschreiben, vollständigem Lebenslauf, Hochschulzeugnissen, ggf. Publikationsliste und persönlichen Referenzen können per E-Mail an mec-apps(at)mv.uni-kl.de gesendet werden.

Aktuell sind am Lehrstuhl mehrere Stellen zu besetzen. 

Adaptive control of network dynamical systems

Hybrid model based reinforcement learning

Learning based stochastic control with application in process engineering

Adaptive data-driven predictive control theory and algorithms with application to process engineering

Data-driven control for nonlinear systems

Entwicklung und Implementierung von Modell- und lernbasierten Regelungen für autonomes Fahren in kritischen Verkehrsszenarien

Cooperative trajectory planning and scheduling for multiple vehicles in critical traffic scenarios

Daten- und modellbasierte Regelung für kooperative Robotersysteme

Modellprädiktive Regelung für mobile Robotik

Model predictive control of cooperative robot manipulators

Perception, decision making and control of autonomous systems in robotics

Scene understanding and decision making for human - machine assistance systems

Muster- und Schädenerkennung von Straßenunterbauten mittels Maschinelles Lernen

Optimal Transport in Control and Machine Learning

Mixed-integer modeling and control for sector-coupling- and demand-side-management using model predictive control and design contracts

Real-time control of power systems and validation on PowerHIL

Control of energy management systems and ancillary services

Mathematical modelling, dynamics and control of cancer genesis and migration

Hybrid AI models for control of cancer plasticity

Mathematical modelling and optimal control of granulation processes based on classical methods or /and reinforcement learning