Am Institut für Datenwissenschaften in Jena beschäftigen wir uns damit, das Datenrückgrat für alle Anwendungsbereiche des DLR (Luftfahrt, Raumfahrt, Energie, Verkehr, Sicherheit) Realität werden zu lassen. Dafür entwickeln und erforschen wir in interdisziplinärer Arbeit Methoden mit Fokus auf Anwendungen z. B. für nachhaltige und kreislaufgerechte Prozesse, resiliente Lieferketten, datengetriebene Wertschöpfungsketten oder robuste Entscheidungsunterstützung. Die so entwickelten Methoden werden in Kooperation mit anderen DLR-Instituten und externen Partnern zur Anwendung gebracht, sei es im Rahmen gemeinsamer Projekte oder im Rahmen von Technologietransferaktivitäten.
Die Forschungs- und Entwicklungsarbeiten der Abteilung Datengewinnung und -mobilisierung zielen auf die Bereitstellung hochwertiger Daten für Industrie und Wissenschaft ab. Diese stellen Grundlagen für die Erreichung nachhaltiger interdisziplinärer Wertschöpfungsketten sowie zur datengetriebenen Entscheidungsunterstützung in komplexen Systemen dar. Dabei gilt es die wesentlichen Herausforderungen Nutzbarkeit, Verfügbarkeit und Zugang zu meistern.
Das erwartet dich
Im aktuellen Projekt MoDa (Models and Data for Future Mobility) werden neuartige Mobilitätslösungen zur Unterstützung der Mobilitätswende entwickelt und der Rahmen eines umfassenden Daten-, Modell- und Serviceökosystems geschaffen. Das Teilprojekt Power Forecast Mapper bündelt die Expertise zahlreicher DLR Institute, um den zukünftigen Ladebedarf der Elektromobilität feinskalig zu modellieren und geeignete Standorte für den Ausbau der Ladeinfrastruktur abzuleiten. Derzeit werden umfassende Geodatenbanken als Daten- und Validierungsgrundlage für die Verkehrs- und Lademodelle aufgebaut.
Deine Aufgaben
Mittels Web Scraping wurde die bestehende Ladeinfrastruktur, sowie eine repräsentative Auslastung einzelner Ladepunkte auf wöchentlicher Basis erstellt. Fortführend sind weitere Untersuchungen geplant:
- Übertragung und Anpassung der Methoden auf andere Untersuchungsgebiete
- Ableitung von Qualitätsmerkmalen (bspw. Vergleich mit Daten der Bundesnetzagentur)
- Untersuchung des Zusammenhangs zwischen Ladestation-Auslastung und Umfeldmerkmalen (bspw. anhand von Landnutzung, Gebäudetypen oder Öffnungszeiten)
- Entwicklung eines Repräsentationsmodells zur Beschreibung geographischer Standorte als Grundlage für Standortanalysen (bspw. durch den Einsatz räumlicher Embeddings basierend auf aktuellen Deep-Learning-Ansätzen)
Das bringst du mit
- laufendes Studium der Informatik oder Geoinformatik
- Vorgesehenes Pflichtpraktikum oder Abschlussarbeit
- Sehr gute Python Kenntnisse
- Schnelle Auffassungsgabe mit zielorientierter und selbständiger Arbeitsweise
Wir freuen uns darauf, dich kennenzulernen!
Fragen zu dieser Position (Kennziffer 2146) beantwortet dir gerne:
Jens Kersten
Tel.: +49 3641 30960 122