Studentische Aushilfe (w/m/d) - Machine Learning

German Aerospace Center (DLR); Oberpfaffenhofen; Vor Ort; EUR 20.000 - 27.000; Teilzeit

Zusammenfassung

Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) am Galileo Kompetenzzentrum in Oberpfaffenhofen sucht eine studentische Tätigkeit in Teilzeit, um ML- und Zeitreihen-Analysen voranzutreiben. Sie arbeiten an unsupervised/semi-supervised Learning, implementieren ML-Pipelines und integrieren Lösungen in Simulationen sowie hardware-nahe Systeme.

Zu Ihrem Aufgabenfeld gehört die wissenschaftliche Analyse fortgeschrittener ML-Konzepte, die Literaturrecherche und die Mitarbeit an Publikationen.

Qualifikationen

• Immatrikulation in einem wissenschaftlichen Masterstudium, vorzugsweise in Informatik, Mathematik, Statistik, Data Science, Luft- und Raumfahrt oder vergleichbarem Studiengang.
• Gute Kenntnisse in mindestens einer Programmiersprache, bevorzugt Python.
• Erfahrung mit Versionskontrolle und modernen Entwicklungsprozessen, idealerweise Git und CI/CD.
• Gute Englischkenntnisse in Wort und Schrift.
• Solide Kenntnisse in Statistik sowie in Machine Learning und Deep Learning.
• Idealerweise Erfahrungen mit fortgeschrittenen Themen wie Federated Learning, Explainable AI, Anomaly Detection in Time Series oder Self-Supervised Learning.
• Idealerweise Kenntnisse in der Analyse von Zeitreihendaten.
• Idealerweise erste Erfahrungen im wissenschaftlichen Arbeiten, z.B. Seminar-/Projekt-/Abschlussarbeiten.

Aufgaben

• Evaluierung und Validierung ausgewählter Machine- und Deep-Learning-Methoden anhand verfügbarer Datensätze und Benchmarks.
• Konzeption, Implementierung und Weiterentwicklung von ML-Pipelines für Zeitreihendaten.
• Integration und Deployment der Lösungen in bestehende Simulationsumgebungen bzw. hardware-nahe Systeme.
• Wissenschaftliche Analyse und Bewertung fortgeschrittener ML-Konzepte und Architekturen hinsichtlich Raumfahrtanwendungen.
• Selbstständige Einarbeitung in neue Fragestellungen sowie Erarbeitung relevanter Literatur und Methoden, Aufbereitung, Dokumentation und Präsentation von Ergebnissen.
• Mitarbeit an wissenschaftlichen Publikationen.

Kenntnisse

Python

ML/DL

Statistik

Englisch

Federated Learning

Explainable AI

Zeitreihenanalyse

Self-Supervised Learning

Wissenschaftliches Arbeiten

Ausbildung

Masterstudium

Tools

Git

CI/CD

Jobbeschreibung

Kennziffer: 4836

Arbeitsort: Oberpfaffenhofen

Eintrittsdatum: 01.07.2026

Karrierestufe: Studentische Tätigkeit

Beschäftigungsgrad: Teilzeit

Dauer der Beschäftigung: 3-6 Monate

Vergütung: Die Vergütung erfolgt gemäß der jeweils geltenden Tarifverträge des öffentlichen Dienstes (Bund).

Das Galileo Kompetenzzentrum widmet sich als zentrale Aufgabe der Weiterentwicklung des europäischen Satellitennavigationssystems Galileo. Gemeinsam mit den wissenschaftlichen Instituten und Einrichtungen des DLR werden u.a. die Performance von Galileo und anderen existierenden Systemen analysiert, neue Ideen und vielversprechende Technologien entwickelt, getestet und validiert sowie in enger Kooperation mit der Industrie zur Einsatzreife geführt.

Die Abteilung "Raum- und Bodensegmenttechnologien" widmet sich der detaillierten Analyse der bestehenden Systeme und den daraus abgeleiteten Spezifikationen für neue Technologien im Bereich der Bodensysteme als auch der Satellitenelemente. Treiber für die Szenarien sind die Anforderungen auf Seiten der Nutzer, technologische Entwicklungen, und der von EU, EUSPA oder ESA definierte Bedarf. Die System- und Validierungsarbeiten werden überwiegend vom Kompetenzzentrum allein durchgeführt. Die Technologieentwicklung auf Modul- und Subsystemebene sind Kooperationen mit den Instituten des DLR, externen Partnern und der Industrie.

Im Rahmen dieser Tätigkeit beschäftigst du dich mit modernen Methoden des Machine und Deep Learning im Anwendungsfeld der Raumfahrt. Der Schwerpunkt liegt auf der Analyse komplexer technischer Zeitreihendaten sowie auf der Entwicklung, Evaluierung und Integration geeigneter Verfahren für praxisnahe Fragestellungen.

Dabei arbeitest du sowohl an der Umsetzung anwendbarer Machine-Learning-Pipelines für bestehende Simulationsumgebungen oder hardware-nahe Systeme als auch an der wissenschaftlichen Untersuchung anspruchsvoller ML-Methoden und -Architekturen. Ein besonderer Fokus liegt auf Verfahren des unsupervised und semi-supervised learning, insbesondere zur Analyse, Modellierung und Bewertung von Zeitreihendaten.

Deine Aufgaben

• Evaluierung und Validierung ausgewählter Machine- und Deep-Learning-Methoden anhand verfügbarer Datensätze und Benchmarks
• Konzeption, Implementierung und Weiterentwicklung anwendbarer ML-Pipelines für Zeitreihendaten
• Integration und Deployment entwickelter Lösungen in bestehende Simulationsumgebungen und/oder hardware-nahe Systeme
• Wissenschaftliche Analyse und Bewertung fortgeschrittener ML-Konzepte, Methoden und Architekturen hinsichtlich ihrer Anwendbarkeit in der Raumfahrtdomäne
• Selbstständige Einarbeitung in neue wissenschaftliche Fragestellungen sowie Erarbeitung relevanter Literatur und MethodenAufbereitung, Dokumentation und Präsentation von Ergebnissen
• Mitarbeit an wissenschaftlichen Publikationen

Das bringst du mit

• Immatrikulation in einem wissenschaftlichen Masterstudium, vorzugsweise in Informatik, Mathematik, Statistik, Data Science, Luft- und Raumfahrt oder einem vergleichbaren naturwissenschaftlich-technischen Studiengang
• Gute Kenntnisse in mindestens einer Programmiersprache, bevorzugt Python
• Erfahrung im Umgang mit Versionskontrolle und modernen Entwicklungsprozessen, idealerweise mit Git und CI/CD
• Gute Englischkenntnisse in Wort und Schrift
• Solide Kenntnisse in Statistik sowie in Machine Learning und Deep Learning
• Idealerweise erste Erfahrungen mit fortgeschrittenen Themen wie Federated Learning, Explainable AI, Anomaly Detection in Time Series oder Self-Supervised Learning
• Idealerweise Kenntnisse oder praktische Erfahrung in der Analyse von Zeitreihendaten
• Idealerweise erste Erfahrung im wissenschaftlichen Arbeiten, beispielsweise durch Seminar-, Projekt- oder Abschlussarbeiten sowie beim Verfassen wissenschaftlicher Texte
• Idealerweise mit der Bewerbung Code-Beispiele, ein Git-Repository oder andere Nachweise praktischer Programmiererfahrung einreichen

Die Vergütung erfolgt ja nach Qualifikation und Aufgabenübertragung bis Entgeltgruppe 3/5 TVÖD Bund.

Das bieten wir dir

Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen dir unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

Wir freuen uns darauf, dich kennenzulernen!

Fragen Zu Dieser Position (Kennziffer 4836) Beantwortet Dir Gerne

Nils-Holger Kaul

Tel.: [phone]

Beginn Der Veröffentlichung

Interne Ausschreibungsfrist endet am: