Masterarbeit: Vergleich KI-Methoden zur Merkmalsextraktion aus Vektordaten

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) ist eine der weltweit führenden Organisationen für anwendungsorientierte Forschung. 75 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 32 000 Menschen aus Technik, Wissenschaft, Verwaltung und IT. Sie wissen: Wer zu Fraunhofer kommt, will und kann etwas verändern. Für sich, für uns und die Märkte von heute und morgen.

Die Fraunhofer-Einrichtung für Energieinfrastrukturen und Geotechnologien IEG forscht auf den Gebieten integrierter Energieinfrastrukturen, Geothermie und Sektorenkopplung für eine erfolgreiche Energiewende. Unsere Forschungseinrichtung betreibt angewandte Forschung, entwickelt innovative Technologien für öffentliche und industrielle Auftraggeber und setzt diese in marktfähige Produkte und Verfahren um.

Das Fraunhofer IEG arbeitet an der Entwicklung neuartiger Methoden und Software, um die Integration Erneuerbarer Energien, die Sektorenkopplung, zukunftsweisende Infrastrukturen, Sanierungsmaßnahmen und Monitoring im Quartier voranzutreiben. Bei der Erreichung der Klimaziele kommt dem Energiesystem Stadt aufgrund seiner Dichte, Vielfältigkeit und Verschränkung eine besondere Bedeutung zu. Um die Geschwindigkeit, Präzision und Zugänglichkeit in den dafür nötigen Planungsprozessen zu erhöhen, spielen Automatisierung, digitale Zwillinge, große und offene Datenbestände sowie mathematisch fortgeschrittene Analyse- und Optimierungsverfahren eine immer größere Rolle.

In der aktuellen Forschung zur geometrischen Merkmalsextraktion aus Vektordaten haben sich zwei grundlegende Paradigmen entwickelt:

Direkte Verarbeitung: Transformer-basierte Ansätze wie PSRT (Pre-Trained Shape Feature Representations from Transformers), die Koordinatensequenzen direkt verarbeiten
Bildbasierte Ansätze: Serialisierung der Vektordaten in Bilddaten mit anschließender Verarbeitung durch Computer Vision-Methoden (CNN, Vision Transformer)
Hybride Ansätze: Kombinationen beider Paradigmen

Diese Masterarbeit soll eine systematische, vergleichende Analyse dieser Ansätze durchführen und deren Potentiale sowie Limitationen aufzeigen.

Hier sorgst Du für Veränderung

Literaturrecherche und Konzeptentwicklung

Systematische Analyse aktueller Forschung zu Transformer-basierten und bildbasierten Ansätzen
Entwicklung eines Bewertungsframework für verschiedene Serialisierungs- und Verarbeitungsstrategien

Methodenimplementierung

Implementierung und Anpassung von PSRT-ähnlichen Transformer-Modellen
Entwicklung bildbasierter Serialisierungsverfahren (Rasterisierung, Skelettierung, etc.)
Implementation von CNN- und Vision Transformer-basierten Ansätzen zur Bildverarbeitung
Konzeption und Umsetzung hybrider Architekturen

Experimentelle Evaluation

Design und Durchführung vergleichender Experimente auf standardisierten Datensätzen
Bewertung hinsichtlich Genauigkeit, Trainingseffizienz, Generalisierbarkeit und Robustheit
Analyse der Vor- und Nachteile verschiedener Serialisierungsstrategien

Analyse und Dokumentation

Statistische Auswertung der Experimentalergebnisse
Identifikation optimaler Anwendungsszenarien für verschiedene Ansätze
Verfassung der Masterarbeit nach wissenschaftlichen Standards

Hiermit bringst Du Dich ein

Immatrikulation in einem Studiengang wie Informatik, Mathematik, Geoinformatik oder einer vergleichbaren Fachrichtung
Fundierte Kenntnisse in Machine Learning und Deep Learning sowie Erfahrung im Umgang mit Python und gängigen Frameworks wie PyTorch oder TensorFlow
Grundverständnis in Computer Vision und Natural Language Processing
Kenntnisse in Transformer-Architekturen und Attention-Mechanismen sowie in Bereichen wie CNNs, Vision Transformers oder Bildverarbeitung sind wünschenswert
Erste Erfahrungen mit geometrischer Datenverarbeitung, GIS-Systemen sowie statistischer Versuchsplanung und -auswertung von Vorteil
Vertrautheit mit Versionsverwaltung (z. B. Git) und wissenschaftlichen Arbeitsweisen
Ausgeprägtes analytisches Denkvermögen sowie eine strukturierte und systematische Herangehensweise
Interesse an interdisziplinärer Forschung im Spannungsfeld von Machine Learning und Geoinformatik
Fähigkeit zur eigenständigen Literaturrecherche und Methodenentwicklung
Gute Deutsch- oder Englischkenntnisse in Wort und Schrift

Was wir für Dich bereithalten

Arbeit an einem hochaktuellen Forschungsthema mit hoher Praxisrelevanz
Integration in ein interdisziplinäres Forschungsteam
Zugang zu aktueller Literatur und modernen Computer-Ressourcen
Flexible Arbeitszeiten und die Möglichkeit des mobilen Arbeitens
Qualifikation für Tätigkeiten in Forschung und Entwicklung
Expertise in hochaktuellen KI-Methoden mit breiter Anwendbarkeit
Netzwerk in der Wissenschaft und anwendungsorientierten Forschung

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. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Bereit für Veränderung? Dann bewirb Dich jetzt, und mach einen Unterschied! Nach Eingang Deiner Online-Bewerbung erhältst Du eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Dir, wie es weitergeht.

Inhaltliche Fragen zu dieser Position beantwortet Dir gerne:

Kerstin Oetringer

via E-Mail

Fragen zum Bewerbungsverfahren beantworten Dir gerne:

Philipp Steinborn

Telefon +49 355 35540 172

via E-Mail

Fraunhofer-Einrichtung für Energieinfrastrukturen und Geotechnologien IEG

www.ieg.fraunhofer.de

Kennziffer: 83782 Bewerbungsfrist:

Stellensegment: Developer, Web Design, Geology, GIS, Technology, Creative, Engineering

Jetzt bewerben »