Masterarbeit "KI-basierte Sensorklassifizierung um Topologieerkennung"

Fraunhofer-Institut für Solare Energiesysteme ISE; Freiburg im Breisgau; Hybrid; EUR 30.000 - 50.000; Teilzeit

Zusammenfassung

An established research institute is seeking a student assistant to work on innovative projects in building operation optimization. This role offers the opportunity to delve into the development of deep neural networks for time series data classification and to enhance existing AI systems. You will gain valuable insights into research and development while collaborating with experienced scientists. Flexible working hours and the chance to work from home occasionally are part of the package, making this an attractive opportunity for students looking to apply their theoretical knowledge in a practical setting.

Leistungen

Flexible working hours

Opportunity to work from home

Collaboration with experienced scientists

After-work events

Diversity and inclusion initiatives

Qualifikationen

• Studying Physics, Computer Science, or a related field.
• Strong programming skills in Python or another language.
• Experience with machine learning techniques.

Aufgaben

• Investigate suitable DNN architectures for time series classification.
• Expand an existing system for AI-based sensor classification.
• Work on hybrid approaches incorporating text information.

Kenntnisse

Python

Deep Learning

Machine Learning

Data Analysis

Technical Building Equipment

Ausbildung

Physics

Computer Science

Engineering

Jobbeschreibung

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 Gelgenheit zur Erstellung der Masterthesis.

In unserer Gruppe "Gebäudebetriebsoptimierung" entwickeln und testen wir modell- und datenbasierte Methoden zur Fehlerdiagnose bei der Betriebsüberwachung und Betriebsoptimierung von gebäudetechnischen Anlagen. Hierzu werden die Eingansdaten 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 (engl. DNN) für die Klassifikation der Zeitreihendaten adaptiert. Die abgeleiteten Informationen werden in Knowledge Graphs überführt. Darüber hinaus werden LLM-basierte Ansätze für die Ableitung von maschinenlesbaren 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 Mastersthesis untersuchst Du geeignete DNN-Architekturen zur Klassifizierung der Zeitreihendaten.
• Du erweiterst ein bestehendes System zur KI-basierten Sensorklassifizierung um Topologieerkennung.
• Du erweiterst den Ansatz zu einem hybriden Verfahren unter Einbeziehung von Textinformationen mittels LLMs.

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 verfügst über sehr gute Kenntnisse in Maschinellen Lerneverfahren / Deep Learning.
• Idealerweise hast Du bereits Erfahrungen in einem der Bereiche:
  
  • Technische Gebäudeausrüstung und Gebäudeenergiesysteme
  • Zeitreihenanalyse
• Du planst und erledigst Aufgaben selbständig und mit hoher Qualität.
• Du hast sehr gute Deutsch- und/oder Englischkenntnisse in Wort und Schrift.

Was Du erwarten kannst

• Exklusiver Einblick: In der gemeinsamen Arbeit mit den Wissenschaftler*innen unserer Arbeitseinheit gewinnst Du einen Einblick in den Alltag von Forschung und Entwicklung an einem Forschungsinstitut.
• Forschungsmix: Du erhältst bei uns die Möglichkeit, experimentelle Arbeit mit der Theorie zu verbinden und so Dein Wissen aus dem Studium anzuwenden und zu erweitern.
• Betreuung: Bei Deiner Arbeit wirst Du durch Wissenschaftler*innen betreut und Du erhältst Feedback zu Deinen Fortschritten.
• Teamwork: Im Austausch mit den wissenschaftlichen und studentischen Mitarbeitenden sammelst Du Erfahrungen zur Arbeit im Team und kannst Deine bereits gemachten Erfahrungen einbringen.
• Arbeitszeit und -ort: Wir bieten Dir die Möglichkeit, Deine Arbeitszeit in Absprache flexibel an Deine Bedürfnisse anzupassen und ab und an von zuhause aus zu arbeiten.
• Chancengleichheit: Wir legen Wert auf Chancengerechtigkeit und geben Raum für Vielfalt.
• After Work: Feiere Dich und Deine Kolleg*innen bei After-Work Events oder unseren jährlichen Mitarbeitendenfesten, wie dem Wandertag.

Zusätzlich zur Abschlussarbeit wird ein Vertrag als wissenschaftliche Hilfskraft vereinbart. Die Vergütung richtet sich hierfür nach dem Abschlussgrad Deiner Ausbildung.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher 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.

Haben wir Dein Interesse geweckt? Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen (inkl. Anschreiben, Lebenslauf, Leistungsnachweis/Arbeitszeugnis). Wir freuen uns darauf, Dich kennenzulernen!

Fragen zu dieser Position beantwortet Dir gerne:

Tim Rist

Email: [e-mail]

Fraunhofer-Institut für Solare Energiesysteme ISE

www.ise.fraunhofer.de

Kennziffer: 79623 Bewerbungsfrist: