Assistant Professor in Preventive and Predictive Maintenance
Oversigt og nøgleindsigter
Aalborg Universitet søger en Assistant Professor inden for forebyggende og prædiktiv vedligeholdelse med fokus på tilstandsovervågning og ikke-destruktiv test. Stillingen er fuldtids og varer i 3 år, med start den 1. juli 2026 eller snarest derefter.
Højdepunkter
- Forskning i nye metoder til ikke-destruktiv test og tilstandsovervågning ved brug af maskinlæring.
- Samarbejde med industrielle partnere inden for offshore vedligeholdelse og inspektion.
- Undervisning i maskinlæring, tilstandsovervågning og dynamiske systemer.
Påkrævede kvalifikationer
- • Relevant professionel og uddannelsesmæssig baggrund inden for maskinlæring og dybe neurale netværk.
- • Dokumenteret evne til at udføre forskning af høj kvalitet gennem publikationer.
- • Solid erfaring med moderne maskinlæringsmetoder og datadrevne tilgange.
Ønskværdige kvalifikationer
- • Erfaring med sensorer, indlejrede systemer, kameraer og optik.
- • Kendskab til termisk billedbehandling.
Den ideale kandidat
Den ideelle kandidat har en stærk forskningsprofil inden for forebyggende vedligeholdelse og er motiveret for at udvikle innovative metoder. Vedkommende arbejder selvstændigt, men værdsætter samtidig samarbejde i tværfaglige teams.
Jobdetaljer
Jobbeskrivelse
At the Esbjerg Energy Section, a position as Assistant Professor in preventive and predictive maintenance, with emphasis on condition monitoring and non-destructive testing (NDT) is open for appointments. The duration of the position is 3 years.
The position is full time and is expected to start on 1 July 2026 or as soon as possible thereafter.
Your work tasks
The position is offered in relation to the research groups “Multimodal Reasoning for Robotics and Process Intelligence” and “Underwater Technology”, and the Assistant Professor will be positioned in the Esbjerg Energy Section.
Research areas will be within preventive and predictive maintenance with a strong focus on condition monitoring and non-destructive testing. The position centres on developing and validating new methods for non-destructive testing and condition monitoring using modern machine learning, including multimodal foundation models and related data-driven and physics-informed approaches.
Research topics may include visual and real-time tracking of damage progression, forecasting and remaining useful life estimation, multisensor fusion, robust learning under limited or noisy labels, uncertainty-aware decision support, and lifecycle and reliability assessment. Within this scope, you are expected to drive your own research activities while contributing actively to ongoing projects and collaborative initiatives in the department.
The research will be conducted primarily within the Multimodal Reasoning for Robotics and Process Intelligence and Underwater Technology groups, where you will work closely with colleagues and participate in joint activities and project development. A significant part of the research will be carried out in close collaboration with industrial partners, particularly within offshore maintenance, inspection, and operational support. This ensures a strong connection to real-world challenges and a clear pathway for industrial relevance and impact.
Teaching
Teaching will primarily be in condition monitoring, machine learning, and dynamical systems or control-oriented modelling within study directions such as Applied Industrial Electronics, Energy, AI and Autonomous Systems, Offshore Energy Systems, and related engineering programmes, but also in other study groups at Aalborg University. Teaching follows Aalborg University’s Problem Based Learning model, and you will supervise and co-supervise student projects, contribute to course development and examinations, and take part in the everyday academic life of the department.
Your competencies
The applicant must have a relevant professional and educational background within machine learning, deep neural networks, computer science, dynamical systems, or a closely related engineering field. You can document the ability to conduct high-quality research through publications in relevant peer-reviewed venues, and you are motivated to further develop your research profile within preventive and predictive maintenance, condition monitoring, and non-destructive testing.
You have solid experience with modern machine learning methods, particularly attention-based neural networks within computer vision and/or natural language processing, and you are comfortable working with data-driven approaches to damage detection, condition monitoring, and forecasting. You are proficient in Linux and Python, preferably with experience in PyTorch or a similar deep learning framework, and you are able to design and implement robust experimental pipelines.
Experience with sensors, embedded systems, cameras and optics, or thermal imaging will be considered an advantage.
As a colleague, you work independently and show initiative in shaping and driving research activities forward, while at the same time valuing collaboration in interdisciplinary teams. You contribute positively to a constructive and inclusive working environment, communicate your work clearly in both written and spoken form, and enjoy supervising and supporting students in their academic and professional development.
Proficiency in English at an academic level is required.
Who we are
You will join a department that combines strong research traditions in energy engineering, robotics, and applied artificial intelligence with a close connection to industry and society. The research will primarily be anchored in the Underwater Technology and Multimodal Reasoning for Robotics and Process Intelligence research groups, which work on advanced robotics, perception, and intelligent systems for challenging environments such as offshore and underwater domains.
The department offers an international and collaborative research environment with access to modern laboratory facilities, experimental platforms, and strong industrial networks. Research and education are based on Aalborg University’s Problem Based Learning model, where students work in project groups on real world problems in close dialogue with researchers and external partners. As an assistant professor, you will become part of this environment and contribute to further strengthening the link between research, teaching, and application.
We value an open and inclusive working culture where colleagues support each other and share knowledge across groups and disciplines. You will be part of a team with a mix of senior and junior researchers, PhD students, and technical staff, and you will have good opportunities to develop your academic career, research profile, and teaching portfolio.
Qualification requirements
Appointment as assistant professor requires academic qualifications at PhD level. The research potential of each applicant will be emphasized in the overall assessment.
How to apply
Your application must include the following:
- Application, stating reasons for applying, qualifications in relation to the position, and intentions and visions for the position
- Curriculum Vitae (CV)
- Diplomas (master's degree diploma and PhD diploma)
- List of publications, with an indication of the attached publications that you wish to be taken into account in the assessment. You may attach a maximum of five publications.
- Documentation of teaching qualifications. Please see guidelines for teaching portfolio at The Technical Faculty of IT and Design, The Faculty of Engineering and Science and The Faculty of Medicine.
- Dissemination qualifications, including participation on committees or boards, participation in organisations etc.
- Additional qualifications in relation to the position
- References/recommendations
You can read more about the requirements for your application here.
The application must be submitted via Aalborg University’s recruitment system, which can be accessed under the job advertisement on Aalborg University's website.
Aalborg University wants to reflect the surrounding society and has diversity as a core value. Therefore, everyone, regardless of personal background and orientation, is encouraged to apply for the position.
Do you have any questions?
If you have any questions about the position, you are more than welcome to contact us. You will find contact persons at the bottom of the job post.
Further information
Read more about our recruitment process here.
The appointment process at Aalborg University involves a shortlisting process. You can read more about the shortlisting and appointment process here.
The hiring process at Aalborg University may include a risk assessment as a tool to identify potential risks associated with new hires, ensuring the safety, compliance, and integrity of the workplace.
Salary and terms of employment
The employment is in accordance with the Ministerial Order on the Appointment of Academic Staff at Universities (the Appointment Order) and the Ministerial Order on Job Structure for Academic Staff at Universities (in Danish) and protocol on certain terms of employment of academic staff at universities (in Danish).
Salary and terms of employment are in accordance with the collective agreement between the Danish Confederation of Professional Associations and the state (AC collective agreement) (only in Danish) and protocol on certain terms of employment of academic staff at universities (only in Danish).
There is a mutual probationary period of 3 months for the position.
Karrierevej
Typisk karriereforløb
Associate Professor
Professor
Research Director
Vækstpotentiale
Der er et stort vækstpotentiale inden for forskning i forebyggende og prædiktiv vedligeholdelse, især med stigende fokus på teknologi og automatisering. Denne stilling giver mulighed for at udvikle en stærk forskningsprofil og skabe forbindelser til industrien, hvilket kan føre til ledende stillinger inden for akademia eller industri.
Overførbare færdigheder
Branchekontekst
Stillingen er relevant i en tid, hvor virksomheder søger at optimere vedligeholdelsesstrategier ved hjælp af avanceret teknologi som maskinlæring og tilstandsmonitorering. Der er en stigende efterspørgsel efter eksperter, der kan brobygge mellem forskning og industri for at løse praktiske udfordringer.
Færdighedsanalyse
Kritiske færdigheder
Evnen til at udvikle og validere nye metoder inden for maskinlæring, herunder multimodal fundamentale modeller.
Forståelse af dynamiske systemer og kontrolorienteret modellering, især i relation til tilstandsmonitorering.
Vigtige færdigheder
Færdigheder i metoder til ikke-destruktiv testning og tilstandsmonitorering.
Evnen til at udføre dataanalyse og fusion af multisensor data.
Ønskværdige færdigheder
Erfaring med undervisning og vejledning af studerende, især inden for problemorienteret læring.
Evne til at samarbejde med industrielle partnere, især inden for offshore vedligeholdelse.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv erfaring med relevante forskningsprojekter og publikationer inden for maskinlæring og dynamiske systemer. Beskriv konkrete eksempler på samarbejde med industrien og undervisningsmetoder, især inden for problemorienteret læring.
Interviewforberedelse
Sandsynlige spørgsmål
Hvordan vil du beskrive din erfaring med non-destruktiv testning?
tekniskTip: Giv konkrete eksempler på projekter, du har arbejdet på, og de metoder, du har anvendt.
Kan du forklare, hvordan du ville anvende maskinlæring i tilstandsmonitorering?
tekniskTip: Diskuter specifikke algoritmer og deres anvendelse i vedligeholdelsesstrategier.
Hvordan tilpasser du dig Aalborg Universitets Problem Based Learning model i din undervisning?
kulturTip: Beskriv din undervisningsstil og hvordan du inddrager studerende aktivt.
Hvilke udfordringer har du mødt i tidligere forskningsprojekter, og hvordan overvandt du dem?
erfaringTip: Fokuser på din problemløsningsevne og evnen til at samarbejde med andre.
Kan du give et eksempel på et projekt, hvor du har arbejdet tæt sammen med industripartnere?
erfaringTip: Fremhæv vigtigheden af samarbejde og hvordan det påvirkede projektets succes.
Hvordan holder du dig opdateret med nye trends inden for dit felt?
kulturTip: Nævn relevante konferencer, kurser eller litteratur, du følger.
Spørgsmål du kan stille
- Hvilke samarbejdsmuligheder er der med industripartnere i denne stilling?
- Hvordan evalueres forskningsresultaterne i afdelingen?
- Hvilke ressourcer er tilgængelige for at støtte undervisning og forskning?
Tale punkter
- Din passion for forskning inden for præventiv og prædiktiv vedligeholdelse.
- Din erfaring med at anvende maskinlæring i praktiske scenarier.
- Din tilgang til undervisning og engagement med studerende.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med samarbejde i tværfaglige teams.
- Uklare eller begrænsede publikationer inden for feltet.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med maskinlæring og dybe neurale netværk samt relevante projekter inden for tilstandsmonitorering og ikke-destruktiv testning.
- Inkluder konkrete eksempler på samarbejde med industrielle partnere og hvordan dit arbejde har haft indflydelse på reelle udfordringer.
- Vis din undervisningserfaring i problembaseret læring og hvordan du har engageret studerende i deres projekter.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din forskningserfaring inden for forebyggende og forudsigelig vedligeholdelse og din evne til at udvikle innovative metoder i samarbejde med industrien.
Tilpasning af CV
Tilpas CV'et ved at fremhæve relevante forskningspublikationer og undervisningserfaring samt ved at inkludere specifikke projekter, der matcher stillingens krav.
Ofte stillede spørgsmål
Hvad indebærer stillingen som Assistant Professor i forebyggende og prædiktiv vedligeholdelse?
Stillingen omfatter forskning inden for tilstandsmonitorering og ikke-destruktiv testning. Du vil udvikle og validere nye metoder ved hjælp af moderne maskinlæring og samarbejde med industrielle partnere.
Hvilke kvalifikationer kræves for at ansøge om denne stilling?
Ansøgeren skal have en relevant professionel og uddannelsesmæssig baggrund inden for maskinlæring, dybe neurale netværk eller beslægtede ingeniørfelter. Dokumentation for evnen til at udføre forskning af høj kvalitet gennem publikationer er også påkrævet.
Hvad tilbyder Aalborg Universitet i denne stilling?
Aalborg Universitet tilbyder en fuldtidsstilling med en varighed på tre år, hvor du får mulighed for at arbejde med banebrydende forskning og undervisning i et innovativt akademisk miljø. Du vil også få mulighed for at samarbejde med industrien.
Hvordan er arbejdsmiljøet i Esbjerg Energy Section?
Arbejdsmiljøet er dynamisk og samarbejdsorienteret, hvor du vil arbejde tæt sammen med kolleger og deltage i fælles aktiviteter. Det er et miljø, der fremmer innovation og praktisk anvendelse af forskning.
Hvad er forventningerne til den ansatte i denne stilling?
Forventningerne inkluderer at drive egne forskningsaktiviteter, bidrage til igangværende projekter og deltage aktivt i undervisning og vejledning af studerende. Derudover forventes det, at du samarbejder med industrielle partnere for at sikre relevans.
Hvornår forventes stillingen at starte?
Stillingen forventes at starte den 1. juli 2026 eller så hurtigt som muligt derefter. Dette giver mulighed for en glidende overgang for den udvalgte kandidat.
Hvilke undervisningsområder vil jeg dække som Assistant Professor?
Du vil undervise i emner som tilstandsmonitorering, maskinlæring og dynamiske systemer inden for forskellige ingeniørprogrammer, herunder anvendt industriel elektronik og offshore energisystemer.
Hvordan vil mit samarbejde med industrielle partnere foregå?
Samarbejdet med industrielle partnere vil være centralt for din forskning, hvor du vil arbejde med praktiske udfordringer inden for offshore vedligeholdelse og inspektion. Dette vil give dig mulighed for at anvende din forskning i virkelige situationer.