Masterarbeit "KI-basierte Sensorklassifizierung um Topologieerkennung"

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist eine der führenden Organisationen für anwendungsorientierte Forschung. Rund 32 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 3,4 Milliarden Euro.

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: tim.rist@ise.fraunhofer.de

Fraunhofer-Institut für Solare Energiesysteme ISE

www.ise.fraunhofer.de

Kennziffer: 79623 Bewerbungsfrist:

Stellensegment: Neurology, Healthcare

Jetzt bewerben »