Entwicklung eines Machine Learning-basierten hybriden Sensorsystems

TÄTIGKEIT: Wissenschaftliche Tätigkeit / Projektarbeit, Promotion

Ihre Mission:

Sie möchten neueste Machine Learning und Data Science Methodiken mit realen Sensordaten verbinden, um die Klimawirkung einer Flugmission zu reduzieren? In der Abteilung Mehrphasenströmungen und Alternative Treibstoffe des DLR-Instituts für Verbrennungstechnik bieten wir Ihnen die Möglichkeit!

Am DLR-Institut für Verbrennungstechnik werden der Einsatz nachhaltiger Treibstoffe in der grundlegenden und anwendungsorientierten Verbrennungsforschung tiefgehend bearbeitet. Das Institut ist an einer Reihe von großen europäischen Forschungsprojekten beteiligt, die sowohl im Bereich der Luftfahrt als auch in der Energieforschung angesiedelt sind. In der Abteilung Mehrphasenströmung und Alternative Treibstoffe (MAT) in Stuttgart arbeiten Sie in einem Team von ca. 10 Wissenschaftlerinnen und Wissenschaftlern aus dem In- und Ausland an der Untersuchung und Einführung nachhaltiger Treibstoffe in der Luftfahrt. Die Forschungsarbeiten der Abteilung reichen von der Entwicklung physikalischer sowie Machine-Learning-basierter Modelle, über die Identifizierung vielversprechender Treibstoffkandidaten mittels eigener Computercodes bis hin zur Koordination von Flugversuchen zu Emissionen alternativer Treibstoffe. Dabei wird die Entwicklung neuer Technologien in einer großen Bandbreite von Anwendungsgebieten unterstützt.

Im Rahmen dieser Stelle soll ein hybrides Sensorkonzept zur schnellen Onlinemessung von Treibstoffeigenschaften (z.B. Aromatengehalt, Brennwert) entwickelt und dessen Einsatz am Flughafen und in der Treibstofflogistik demonstriert werden. Dieses Konzept vereint einfache Sensormessungen und Machine-Learning-Modelle und bietet das Potential, aufwändige Laboranalytik zu ersetzen. Hierdurch könnten neue Potentiale zur Reduktion der Klimawirkung einer Flugmission erschlossen werden, beispielsweise durch Anpassung des Flugroutings an den getankten Treibstoff oder durch optimierte Betankungsstrategien.

Ihre Aufgaben:

• Gemeinsam mit dem MAT-Team entwickeln Sie ein hybrides Sensorsystem zur schnellen Onlinemessung von Treibstoffeigenschaften
• Hierfür trainieren und analysieren sie Machine-Learning-Modelle für relevante Treibstoffeigenschaften auf Basis einer weltweit einzigartigen Treibstoffdatenbank
• In Zusammenarbeit mit einer Fachabteilung identifizieren Sie geeignete Sensorhardware und nehmen diese in Betrieb
• Sie demonstrieren das hybride Sensorsystem für einen ausgewählten realen Anwendungsfall
• Sie analysieren Einsatzszenarien des hybriden Sensorsystems am Flughafen und in der Treibstofflogistik im Rahmen von DLR-internen sowie öffentlich geförderten Forschungsprojekten
• Sie veröffentlichen Ihre Ergebnisse in wissenschaftlichen Publikationen und Web-Dashboards
• Die Möglichkeit zur Promotion ist gegeben

Ihre Qualifikation:

• abgeschlossenes wissenschaftliches Hochschulstudium der Ingenieurwissenschaften (z.B. der Fachrichtungen Luft- und Raumfahrttechnik, Maschinenbau, Elektrotechnik oder vergleichbare Fachrichtungen) oder Physik, Informatik oder andere für die Tätigkeit relevante Studiengänge (Diplom/Master)
• grundlegende Kenntnisse im Bereich Data Science und Machine-Learning
• Fortgeschrittene Programmierkenntnisse in Python
• gute Englischkenntnisse in Wort und Schrift im wissenschaftlichen Umfeld
• idealerweise erste Erfahrung mit Sensorik und Messtechnik
• Erfahrung mit probabilistischem Machine-Learning in pyTorch/sklearn/Tensorflow von Vorteil
• erste Erfahrung in kollaborativer Codeentwicklung wünschenswert

Ihr Start:

Freuen Sie sich auf einen Arbeitgeber, der Ihr Engagement zu schätzen weiß und Ihre Entwicklung durch vielfältige Qualifizierungs- und Weiterbildungsmöglichkeiten fördert.Unser einzigartiges Arbeitsumfeld bietet Ihnen Gestaltungsfreiräume und eine unvergleichbare Infrastruktur, in der Sie Ihre Mission verwirklichen können.Vereinbarkeit von Privatleben, Familie und Beruf sowie Chancengleichheit von Personen aller Geschlechter (w/m/d) sind wichtiger Bestandteil unserer Personalpolitik.Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.