Ausschreibung für die Fachrichtungen wie z. B.: Betriebswirtschaft t.o., Data Science, Informatik, Maschinenbau, Mathematik, Umweltwissenschaften, Wirtschaftsingenieurwesen oder vergleichbare.
Für automatisierte Life Cycle Assessments (LCA) werden große Mengen konsistenter und vollständiger Daten benötigt. In der Praxis sind diese Daten jedoch oft über verschiedene IT‑Systeme verteilt, unvollständig, inkonsistent oder nur mit hohem manuellem Aufwand nutzbar. Dies erschwert eine durchgängig digitale und automatisierte ökologische Bewertung von Produkten und Prozessen.
Künstliche Intelligenz (KI) bietet hier neue Möglichkeiten: Zum einen können relevante Informationen automatisiert aus unterschiedlichen Datenquellen extrahiert werden (Data Extraction), zum anderen lassen sich fehlende oder unsichere Werte durch geeignete Imputationsverfahren systematisch ergänzen (Data Imputation). Beides ist ein zentraler Baustein für skalierbare, automatisierte LCAs. Ziel dieser studentischen Arbeit ist es, KI‑basierte Ansätze für Data Extraction und Data Imputation im Kontext automatisierter LCAs zu untersuchen, zu bewerten und exemplarisch zu demonstrieren.
Die Abschlussarbeit ermöglicht die Auseinandersetzung mit einem aktuellen Forschungsthema des Forschungsteams „Sustainability Modeling and Analytics“ des Fraunhofer IPA. Wir freuen uns über Ihr Interesse und auf Ihre Bewerbung!
Hier sorgen Sie für Veränderung
* Wesentlicher Beitrag zur Vereinfachung und Automatisierung ökologischer Bilanzierung auf Produktebene
* Systematische Literaturrecherche zu KI‑Methoden für Data Extraction und Data Imputation im LCA‑Kontext
* Analyse typischer LCA‑relevanter Datenquellen (z. B. ERP, PLM, MES, Dokumente) und Ableitung von Anforderungen an Data Extraction
* Identifikation und Einordnung geeigneter KI‑Verfahren (z. B. NLP, Machine Learning, statistische Imputation)
* Konzeption und prototypische Umsetzung eines KI‑gestützten Workflows zur automatisierten Datenerfassung und -ergänzung für LCAs
* Evaluation des Prototyps anhand eines Beispiel‑Use‑Cases und Diskussion von Potenzialen, Grenzen und Qualitätsaspekten
Hiermit bringen Sie sich ein
* Gültige Immatrikulation an einer deutschen Hochschule oder Universität im bereich Umweltwissenschaften, Wirtschaftsingenieurwesen, Data Science, Informatik, Maschinenbau oder vergleichbarer Studiengang
* Vorkenntnisse im Kontext Life Cycle Assessment erwünscht
* Sehr gute MS Office-Kenntnisse
* Erfahrung mit Literaturverwaltung (z. B. Citavi)
* Erste Programmierkenntnisse (z. B. Python,…)
* Selbständige, analytische und strukturierte Arbeitsweise
* Kommunikations- und Teamfähigkeit
* Hohes Maß an Zuverlässigkeit
Was wir für Sie bereithalten
* Interessante Aufgabenstellungen in der angewandten Forschung
* Intensive Betreuung während der Bearbeitung
* Möglichkeit eigene Ideen in die Konzeption und prototypische Umsetzung einzubringen
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.
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 bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.
Frau Jennifer Leppich
Recruiting
+49 711 970-1415
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA