Bewerbende mit Behinderungen erwünscht 👨‍🦽👨‍🦯🦻 Werkstudent für Scientific Computing & Machine Learning (d/m/w)

Job Description:

Zur Unterstützung der Flight Physics Capabilities sucht Airbus Operations

Werkstudent für Scientific Computing & Machine Learning (d/m/w)

Du bist Vollzeitstudent (d/m/w), auf der Suche nach einer Werkstudentenstelle und möchtest die Arbeit eines AI & ML Developers (d/m/w) für Flugphysik kennenlernen? Dann bewirb dich jetzt! Wir freuen uns, wenn du uns im Flight Physics Capabilities Aerodynamics Modelling Team als Werkstudent (d/m/w) mit ca. 18 Stunden pro Woche unterstützt!

• Standort: Bremen
  
• Start: 01.09.2026
  
• Dauer: 9 - 12 Monate (mit der Möglichkeit auf Verlängerung)
  

Bei uns erhältst du ein tarifliches Entgelt je nach Tätigkeit von mindestens 19,10 € pro Stunde. Hinzu kommen Sonderzahlungen wie beispielsweise Urlaubsgeld.

Für unser Team suchen wir einen engagierten Werkstudenten (d/m/w), der die Brücke zwischen klassischem Ingenieurwesen und modernster Datenwissenschaft schlägt. In dieser Rolle unterstützt du uns dabei, die nächste Generation von Flugzeugen durch den Einsatz von Scientific Computing und Machine Learning effizienter, nachhaltiger und intelligenter zu gestalten.

Du arbeitest an der Schnittstelle zwischen Physik und Softwareentwicklung und hilfst dabei, komplexe Zusammenhänge in leistungsstarke digitale Modelle zu übersetzen. Wenn du Leidenschaft für die Luftfahrt und Deep-Tech-Programmierung mitbringst, ist dies deine Chance, die digitale Transformation der Flugphysik aktiv mitzugestalten.

Dein Standort

Bremen ist eine charmante, geschichtsträchtige Stadt im Nordwesten von Deutschland. Sie ist nicht nur eine der grünsten Städte des Landes, sondern bietet auch wunderbare Sehenswürdigkeiten, eine reiche Kultur, urbanes Flair und kulinarische Köstlichkeiten. Die Stadt ist auch ein großartiger Ort für Küstenliebhaber, da sie nur eine Autostunde von der Nordseeküste entfernt liegt.

Deine Vorteile

• Attraktive Vergütung und ausgeglichene Work-Life-Balance bei einer 18-Stunden-Woche (Gleitzeit).
  
• Möglichkeit zu Reisen innerhalb Deutschlands (z. B. Teamevents) nach Rücksprache mit dem Fachbereich.
  
• Internationales Umfeld mit der Möglichkeit, Kontakte in die ganze Welt zu knüpfen.
  
• Arbeit mit modernen/abwechslungsreichen Technologien.
  
• Wir bei Airbus sehen dich als vollwertiges Teammitglied und du bist nicht zum Kaffee kochen eingestellt worden, sondern stehst im engen Austausch mit den Schnittstellen und bist Teil unserer wöchentlichen Teamrunden.
  
• Möglichkeit zur Teilnahme an der Generation Airbus Community zur Erweiterung des eigenen Netzwerks.
  

Deine Aufgaben und Verantwortlichkeiten

• Entwicklung und Implementierung von Templates, Best Practices und Dokumentationen im Bereich Scientific Computing, Reduced Order Models (ROMs), Surrogat-Modellierung, Datenverarbeitung und MLOps.
  
• Verbesserung und Wartung bestehender interner Bibliotheken für technische Berechnungen und klassisches Machine Learning, mit Fokus auf Refactoring und Abstraktion zur Steigerung der Wiederverwendbarkeit und Testbarkeit.
  
• Aufbau und Erweiterung von MLOps-Tools und Automatisierungsskripten, um Setup-Prozesse für Entwickler und Forscher innerhalb wissenschaftlicher Pipelines zu vereinfachen.
  
• Erstellung klarer und präziser Dokumentationen, einschließlich How-to-Guides, Tutorials und Architekturübersichten für Toolchains im Bereich Engineering und Data Science.
  

Erforderliche Kenntnisse und Qualifikationen

• Eingeschriebener Vollzeitstudent (d/m/w) im Bereich der Informatik, Data Science, Computational Engineering, Angewandten Mathematik, Luft- und Raumfahrttechnik oder eines vergleichbaren Studiengangs.
  
• Fundiertes Verständnis klassischer Machine-Learning-Methoden, numerischer Verfahren und Konzepten des Scientific Computing.
  
• Sehr gute Programmierkenntnisse in Python sowie nachgewiesene Erfahrung mit Scientific- und Data-Science-Bibliotheken (z. B. NumPy, SciPy, Scikit-learn). Kenntnisse in performanzorientierten Sprachen oder Tools wie Cython, C/C++, Julia oder CUDA sind ein starkes Plus.
  
• Vertrautheit mit gängigen KI/ML-Frameworks (wie PyTorch, TensorFlow oder XGBoost) sowie praktische Erfahrung in der Erstellung, Evaluierung und Bereitstellung datengestützter Modelle für komplexe Systeme. Erfahrung mit MLOps-Plattformen und Tracking-Tools (z. B. MLflow, Kubeflow, Amazon SageMaker o. ä.) ist von Vorteil.
  
• Interesse an High-Performance Computing (HPC) Umgebungen und Cloud-Technologien (z. B. Amazon Web Services (AWS) oder Google Cloud Platform (GCP)).
  
• Fließende Englischkenntnisse in Wort und Schrift.
  

Bitte lade folgende Unterlagen hoch: Anschreiben, Lebenslauf, relevante Zeugnisse, Immatrikulationsbescheinigung.

Kein 100%iges Match? Kein Grund zur Sorge! Airbus unterstützt deine persönliche Entwicklung.

Bring deine Karriere auf ein neues Level und bewirb dich jetzt online !

This job requires an awareness of any potential compliance risks and a commitment to act with integrity, as the foundation for the Company’s success, reputation and sustainable growth.

Company:
Airbus Operations GmbH

Employment Type:
GE - Werkstudent
-------

Experience Level:
Student

Job Family:
Flight & Space Physics

By submitting your CV or application you are consenting to Airbus using and storing information about you for monitoring purposes relating to your application or future employment. This information will only be used by Airbus.
Airbus is committed to achieving workforce diversity and creating an inclusive working environment. We welcome all applications irrespective of social and cultural background, age, gender, disability, sexual orientation or religious belief.

Airbus is, and always has been, committed to equal opportunities for all. As such, we will never ask for any type of monetary exchange in the frame of a recruitment process. Any impersonation of Airbus to do so should be reported to [email protected] .

At Airbus, we support you to work, connect and collaborate more easily and flexibly. Wherever possible, we foster flexible working arrangements to stimulate innovative thinking.