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:
1. Direkte Verarbeitung: Transformer-basierte Ansätze wie PSRT (Pre-Trained Shape Feature Representations from Transformers), die Koordinatensequenzen direkt verarbeiten
2. Bildbasierte Ansätze: Serialisierung der Vektordaten in Bilddaten mit anschließender Verarbeitung durch Computer Vision-Methoden (CNN, Vision Transformer)
3. 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
Fragen zum Bewerbungsverfahren beantworten Dir gerne:
Philipp Steinborn
Telefon +49 355 35540 172
Fraunhofer-Einrichtung für Energieinfrastrukturen und Geotechnologien IEG
Kennziffer: 83782Bewerbungsfrist: