publiceurope.
Germany · Public institution

Postdoc (m/w/d) Quantitative MR-Bildgebung, Inverse Probleme und Deep Learning Physik, angewandte Mathematik oder Scientific Computing

Physikalisch-Technische Bundesanstalt

Location
Berlin · Germany
Application deadline
5 November 2026
Field of work
Engineering & environment
Contract
See original vacancy
Listing language
DE
Last checked
25 October 2026

Salary / pay scale

TVöD-Bund E 13

As published by the recruiting institution.

Education and experience

Passages from the published notice. Read the original vacancy for complete eligibility and application conditions.

Education

Required

  • • Abgeschlossenes Hochschulstudium (Diplom/Master) mit Promotion in Physik, angewandter Mathematik, Scientific Computing oder einer vergleichbaren Fachrichtung

Experience

Required

  • • Erfahrung mit Deep-Learning-Verfahren oder Signaltheorie
  • • Erfahrung in der wissenschaftlichen Programmierung (Python, PyTorch)

Job description

Messkunst „Made in Germany" – dafür stehen die ca. 2100 Mitarbeitenden der Physikalisch-Technischen Bundesanstalt (PTB). Als nationales Metrologieinstitut und führende Forschungseinrichtung entwickeln wir in einem internationalen Arbeitsumfeld weltweit führende Standards für das Messen. So sorgen wir dafür, dass Menschen und Organisationen Messungen vertrauen können.

In Berlin-Charlottenburg suchen wir Sie ab dem 1. Dezember 2026 für die Abteilung 8 „Medizinphysik und metrologische Informationstechnik“ als:

Postdoc (m/w/d) Quantitative MR-Bildgebung, Inverse Probleme und Deep Learning

– Physik, angewandte Mathematik oder Scientific Computing

Entgeltgruppe 13 TVöD Bund ○ befristet bis zum 30. Juni 2030 ○ Vollzeit

Die Stelle ist grundsätzlich teilzeitgeeignet.

Ihre Aufgaben:

Im Rahmen des von der DFG geförderten Sonderforschungsbereich (SFB) Matrix in Vision werden im Teilprojekt "C03-Quantitative Bildgebung" standardisierte Magnetresonanzverfahren (MR) für die Unterstützung verschiedener Anwendungsprojekte bereitgestellt. Daneben werden neue schnelle MR-Aufnahmeverfahren mit Deep-Learning-basierten Rekonstruktionsverfahren unter der open-source Plattform MRpro und für verschiedene Parameterklassen (z. B. MR-Relaxationszeitmessungen und MR-Elastographie) genutzt. Ein Schwerpunkt liegt in der Entwicklung der Elastographie zur nicht-invasiven Druckmessung inkl. Unsicherheitsbestimmung der Parameter unter dem Einfluss der Deep-Learning-Verfahren. Die Arbeiten werden in der Zusammenarbeit zwischen PTB und der Charité durchgeführt. Es stehen mehrere MR-Forschungsscanner (3-Tesla-MRT-Systeme) mit umfangreichen Messmöglichkeiten zur Verfügung. Sie unterstützen uns mit folgenden Tätigkeiten:

• Unterstützung der anwendungsorientierten Teilprojekte durch Bereitstellung von standardisierten quantitativen MR-Aufnahmeverfahren (insb. Relaxometrie und Elastographie) • Implementierung von standardisieren Rekonstruktionsverfahren als Teil der open-source Plattform MRpro • Entwicklung schneller quantitativer MR-Verfahren unter Nutzung neuer Deep-Learning basierter Verfahren zur Lösung des inversen Problems • Untersuchung der Unsicherheit der quantitativen Parameter der MR-Relaxometrie und MR-Elastographie unter dem Einfluss von Deep-Learning-Verfahren • Experimentelle Validierung der Verfahren

Ihr Profil:

• Abgeschlossenes Hochschulstudium (Diplom/Master) mit Promotion in Physik, angewandter Mathematik, Scientific Computing oder einer vergleichbaren Fachrichtung • Fundierte Kenntnisse in der MR-Bildgebung (Datenaufnahme und/oder Rekonstruktion) • Kenntnisse in quantitativen MR-Verfahren (z. B. Relaxometrie oder Elastographie) bzw. Bayesscher Statistik von Vorteil • Erfahrung mit Deep-Learning-Verfahren oder Signaltheorie • Erfahrung in der wissenschaftlichen Programmierung (Python, PyTorch) • Sicherer Umgang und Kommunikationsfähigkeit mit biomedizinischen Anwenderinnen und Anwendern • Eigenständige, engagierte und zielorientierte wissenschaftliche Arbeitsweise • Ausgeprägte Team- und Kommunikationsfähigkeit • Deutsch- (B2-Niveau) und Englischkenntnisse (C1-Niveau) • Bereitschaft zu Dienstreisen

Wir bieten:

• Anspruchsvolle Forschungs- und Projektarbeit mit nationaler und internationaler Relevanz • Arbeiten mit hochmoderner Forschungsinfrastruktur in einem wissenschaftlich exzellenten Umfeld • Fachliche Gestaltungsmöglichkeiten und eigenverantwortliches Arbeiten • Flexible Arbeitszeitmodelle, familienfreundliche Rahmenbedingungen und tarifliche Vergütung • Zielgerichtete Fort- und Weiterbildungsangebote sowie fachliche Spezialisierungsmöglichkeiten

Eine Übersicht unserer weiteren Benefits finden Sie auf unserer Karriereseite.

Das ist uns wichtig:

Die PTB fördert die Gleichstellung von Frauen und Männern und ist besonders an Bewerbungen von Frauen interessiert. Gleichzeitig sind wir bestrebt, die gesellschaftliche Vielfalt widerzuspiegeln. Daher ist jede Bewerbung, unabhängig von ihrem Geschlecht, ihrer kulturellen oder sozialen Herkunft, Religion, Weltanschauung oder sexuellen Identität herzlich willkommen. Schwerbehinderte oder ihnen gleichgestellte Menschen werden bei gleicher Eignung bevorzugt berücksichtigt.

Ihre Bewerbung:

Fachliche Fragen zu dieser Position beantwortet Ihnen in der Abteilung 8:

Dr. Christoph Kolbitsch, Tel.: 030 3481-7761, E-Mail: [email protected].

Am Auswahlverfahren ist auch eine Vertretung der Charité – Universitätsmedizin Berlin beteiligt. Im Rahmen des Auswahlverfahrens erhält diese Einsicht in Ihre Bewerbungsunterlagen.

Wir freuen uns auf Ihre Bewerbung bis zum 5. November 2026 unter der Kennziffer 26-165-8C. Bitte nutzen Sie dafür den Button „ONLINE BEWERBEN“ – dieser führt Sie direkt zu unserem Bewerbungsportal, wo Sie Ihre Unterlagen (Lebenslauf, Zeugnisse, Anschreiben) hochladen können. Bewerbungen per E-Mail können wir nicht berücksichtigen. Mit Ihrer Bewerbung akzeptieren Sie die Datenschutzbestimmungen.

Original vacancy: Physikalisch-Technische Bundesanstalt · Description checked 22 October 2026

The original vacancy sets the qualifications, nationality rules, pay, required languages and exact closing time. Read the full notice before applying.