Das erwartet dich
In der Abteilung Prozessoptimierung und Digitalisierung im DLR Institut für Instandhaltung und Modifikation erwartet dich ein dynamisches Team aus Wissenschaftlern/innen. Wir erforschen neue Konzepte für eine digitalisierte Instandhaltung. Dies umfasst u.a. digitale Zwillinge, Methoden zur Datenanalyse für die Zustandsüberwachung und -vorhersage, neue Ansätze zur automatisierten Interaktion vernetzter Stakeholder, KI-Methoden sowie neue Methoden zur dynamischen Prozessmodellierung und -simulation. Am Standort Aachen/Würselen liegt der Forschungsschwerpunkt im Bereich neuer Konzepte und Technologien für Kleinflugzeuge.
Deine Aufgaben
Im Rahmen der Flugzeuginstandhaltung gewinnt maschinelles Lernen als Werkzeug für die datenbasierte prädiktive Instandhaltung von neuartigen Luftfahrtkomponenten zunehmend an Bedeutung. Trainierte Modelle zur Vorhersage von Bauteilzuständen verwenden idealtypisch experimentell akquirierte Datensätze. Für Komponenten von Kleinflugzeugen und der neuartigen Luftmobilität stehen diese während der Betriebsphase anfallenden Datensätze nur begrenzt zur Verfügung. Aufgrund datengetriebener Vorhersagemodelle besteht jedoch der Bedarf nach großen Datenmengen, weshalb das Training dieser Modelle auf Basis synthetisch generierter und angereicherter Datensätze erfolgen kann. Eine Möglichkeit der Datenanreicherung stellen sogenannte Generative Adversarial Networks (GANs) dar, welche auf definierten Basisdatensätzen trainiert werden, um neue, realistische Datensätze zu generieren. In vorangehenden Forschungsarbeiten wurden bereits ähnliche GANs aufgebaut und trainiert. Diese Arbeiten sollen fortgesetzt und ausgebaut werden. Darüber hinaus ist eine Integration in eine am Institut aufgebaute verteilte Lernumgebung geplant. Weitere Unterpunkte und anzufallende Tätigkeiten sind zu bearbeiten:
- Literaturrecherche bezüglich der synthetischen Datenanreicherung
- Arbeit an timeseries-GANs (Tabulator-GANs) und weitere Entwicklungen mit GPU-Beschleunigung
- Durchführung von Konvergenzanalysen für unterschiedliche bereitgestellte Basisdatensätze
- kontinuierliche Adaption und Optimierung der Modell-Hyperparameter
- Ergebnisevaluierung sowie statistische Datenauswertung und Fehleranalyse
- Integration der Modelle in verteilte Lernumgebung und Standardisierung
- allgemeine Unterstützung im Forschungsbetrieb
Das bringst du mit
- laufendes Master-Studium im Bereich Informatik, Datenwissenschaften, Luft- und Raumfahrttechnik oder einem vergleichbaren Studiengang
- Sehr gute Erfahrungen in der Programmierung mit Python
- Erfahrungen im Umgang mit Docker und Gitlab
- Erfahrungen im Umgang mit maschinellem Lernen und Methoden der Datenanalyse
- Sprachkenntnisse: Deutsch und Englisch
Wir freuen uns darauf, dich kennenzulernen!
Fragen zu dieser Position (Kennziffer 1070) beantwortet dir gerne:
Florian Raddatz
Tel.: +49 40 2489641 120