Masterarbeit "KI-basierte Sensorklassifizierung um Topologieerkennung"

TN Germany; Freiburg im Breisgau; Hybrid; EUR 12.000 - 20.000; Vollzeit

Zusammenfassung

A leading research institute in Freiburg is seeking a student assistant for a master's thesis on AI-based sensor classification. The role involves working with deep neural networks and developing methods for topology recognition. Candidates should have strong programming skills, particularly in Python, and a background in physics, computer science, or engineering. Flexible working hours and opportunities for collaboration with scientists are provided.

Leistungen

Flexible working hours

Work from home

Collaboration with scientists

Participation in after-work events

Qualifikationen

• Studying Physics, Computer Science, or Engineering.
• Very good programming skills in Python or another language.
• Experience in Machine Learning/Deep Learning.

Aufgaben

• Investigate suitable DNN architectures for time series classification.
• Expand an existing system for sensor classification.
• Develop a hybrid approach integrating text information.

Kenntnisse

Python

Deep Learning

Self-Management

Teamwork

German

English

Ausbildung

Physics

Computer Science

Engineering

Jobbeschreibung

Masterarbeit "KI-basierte Sensorklassifizierung um Topologieerkennung", Freiburg im Breisgau

Fraunhofer-Gesellschaft

Freiburg im Breisgau, Germany

Das Fraunhofer-Institut für Solare Energiesysteme ISE in Freiburg ist das größte Solarforschungsinstitut Europas. Unsere rund 1.400 Mitarbeitenden arbeiten für ein nachhaltiges, wirtschaftliches, sicheres und sozial gerechtes Energieversorgungssystem auf Basis erneuerbarer Energien. Dazu tragen wir mit unseren Forschungsschwerpunkten Energiebereitstellung, Energieverteilung, Energiespeicherung und Energienutzung bei. Durch herausragende Forschungsergebnisse, erfolgreiche Industrieprojekte, Firmenausgründungen und globale Kooperationen gestalten wir die nachhaltige Transformation des Energiesystems.

Für unsere Gruppe "Gebäudebetriebsoptimierung" suchen wir zum nächstmöglichen Zeitpunkt eine studentische Hilfskraft mit der Möglichkeit zur Erstellung der Masterarbeit.

In unserer Gruppe entwickeln und testen wir modell- und datenbasierte Methoden zur Fehlerdiagnose bei der Betriebsüberwachung und Betriebsoptimierung von gebäudetechnischen Anlagen. Hierzu werden die Eingangsdatensätze üblicherweise manuell gekennzeichnet. Das FuE-Projekt GraphEET entwickelt Lösungen zur automatischen Erkennung von Datenpunkten und Anlagentopologien auf Basis von Texten und Zeitreihendaten. Dabei werden Tiefe Neuronale Netze (DNN) für die Klassifikation der Zeitreihendaten adaptiert. Die gewonnenen Informationen werden in Knowledge Graphs überführt. Zudem werden LLM-basierte Ansätze zur Ableitung maschinenlesbarer Daten aus Beschreibungstexten untersucht.

Was du bei uns tust

• Du arbeitest dich in das Projekt und die verfügbaren Daten aus gebäudetechnischen Anlagen ein.
• Im Rahmen deiner Masterarbeit untersuchst du geeignete DNN-Architekturen zur Klassifizierung der Zeitreihendaten.
• Du erweiterst ein bestehendes System zur KI-basierten Sensorklassifizierung um Topologieerkennung.
• Du entwickelst den Ansatz zu einem hybriden Verfahren unter Einbeziehung von Textinformationen mittels LLMs weiter.

Was du mitbringst

• Du studierst Physik, Informatik, eine Ingenieurwissenschaft oder eine vergleichbare Fachrichtung.
• Du verfügst über sehr gute Programmierkenntnisse in Python oder einer anderen Programmiersprache.
• Du hast sehr gute Kenntnisse in Maschinellen Lernverfahren/Deep Learning.
• Idealerweise hast du bereits Erfahrungen in einem der Bereiche:
  • Technische Gebäudeausrüstung und Gebäudeenergiesysteme
  • Zeitreihenanalyse
• Du planst und erledigst Aufgaben selbstständig und mit hoher Qualität.
• Du hast sehr gute Deutsch- und/oder Englischkenntnisse in Wort und Schrift.

Was du erwarten kannst

• Exklusiver Einblick: Du gewinnst Einblicke in den Forschungs- und Entwicklungsalltag an einem Forschungsinstitut durch die Zusammenarbeit mit unseren Wissenschaftler*innen.
• Forschungsmix: Die Möglichkeit, experimentelle Arbeit mit Theorie zu verbinden und dein Wissen aus dem Studium anzuwenden und zu erweitern.
• Betreuung: Du wirst durch Wissenschaftler*innen betreut und erhältst Feedback zu deinen Fortschritten.
• Teamwork: Erfahrung in der Zusammenarbeit im Team und die Möglichkeit, eigene Erfahrungen einzubringen.
• Arbeitszeit und -ort: Flexible Arbeitszeiten in Absprache sowie gelegentliches Arbeiten von zuhause aus.
• Chancengleichheit: Wir fördern Vielfalt und Chancengerechtigkeit.
• After Work: Teilnahme an After-Work-Events und Mitarbeitendenfesten wie dem Wandertag.

Zusätzlich zur Abschlussarbeit wird ein Vertrag als wissenschaftliche Hilfskraft geschlossen. Die Vergütung richtet sich nach dem Abschlussgrad deiner Ausbildung.

Wir schätzen die Vielfalt unserer Mitarbeitenden und begrüßen alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.