Datenbasierte Bewertung nachhaltiger Flugkraftstoffe

TÄTIGKEIT: Wissenschaftliche Tätigkeit / Projektarbeit, Promotion

Ihre Mission:

Helfen Sie mit, die Luftfahrt nachhaltiger und klimaneutral zu gestalten. Wie? Ganz einfach: Werden Sie Teil des Teams für alternative Treibstoffe am Institut für Verbrennungstechnik und forschen Sie auf dem Gebiet nachhaltiger Flugkraftstoffe!

Derzeit gibt es keine technologischen Alternativen zu flüssigen Treibstoffen, insbesondere für Mittel- und Langstreckenflüge. Gleichzeitig findet ein Großteil der schädlichen Klima- und Umweltauswirkungen des Luftverkehrs auf diesen Strecken statt. Deshalb wird am DLR-Institut für Verbrennungstechnik intensiv an nachhaltigen Flugkraftstoffen (SAF) geforscht. Das Institut ist an einer Reihe von großen europäischen Forschungsprojekten beteiligt, sowohl im Bereich der Treibstoffherstellung als auch der Treibstoffnutzung. Ziel ist es, nachhaltige Treibstoffe mit besonderem Augenmerk auf die Minimierung der Klimabelastung zu entwickeln, um eine lebenswerte Welt von morgen zu ermöglichen.

In den letzten Jahren wurden in internationalen Boden- und Flugmesskampagnen einzigartige Datensätze zu den Auswirkungen verschiedenster Treibstoffe gesammelt. Auf dieser Basis entwickelt unser Team in der Abteilung Mehrphasenströmungen and Alternative Treibstoffe (MAT) datenbasierte Methoden (Big Data, Machine Learning, Digital Twin) und wendet diese an, um den Nutzen nachhaltiger Treibstoffe zu maximieren. Als Teil der Abteilung arbeiten Sie in einem internationalen Team von etwa 12 Wissenschaftlerinnen und Wissenschaftlern aus dem In- und Ausland.

Obwohl die Nachfrage nach SAF durch den Markt und die Gesetzgebung steigt, ist die Einführung von alternativen Treibstoffen mit großen Herausforderungen für die Luftfahrtindustrie verbunden. Einerseits ist es wünschenswert, eine möglichst große Anzahl von Treibstoffen zuzulassen. Andererseits darf durch die Verwendung eines neuen Treibstoffs kein Risiko entstehen. Daher müssen in einem aufwändigen Zulassungsverfahren verschiedenste Treibstoffeigenschaften getestet und kritisch geprüft werden. In diesem Zusammenhang hat unser Team das ASTM-zugelassene DLR-Pre-Screening-Verfahren auf Basis des probabilistischen maschinellen Lernens entwickelt, um neue Treibstoffkandidaten im Hinblick auf die Anforderungen für die Treibstoffzulassung zu bewerten. Darüber hinaus stellen wir Partnern die notwendigen Informationen für eine ganzheitliche Produktentwicklung zur Verfügung.

Bei maschinellen Lernmodellen - wie sie im DLR entwickelt werden - handelt es sich um flexible Algorithmen, die nachweislich ein breites Spektrum an Eigenschaften vorhersagen können. Die Qualität der Vorhersage hängt jedoch maßgeblich vom Trainingsdatensatz ab. Damit stellt sich die Frage, wie die Trainingsdaten verteilt sein müssen, um die gewünschte Vorhersagefähigkeit zu erreichen. Warum ist dies wichtig? Aufgrund neuartiger Produktionswege wird sich die Zusammensetzung neuer nachhaltiger Kerosine wahrscheinlich deutlich von herkömmlichem Kerosin und anderen bereits zugelassenen Treibstoffen unterscheiden. In diesem Zusammenhang wird Ihre Aufgabe darin bestehen, die derzeitigen Vorhersagefähigkeiten im Hinblick auf neue Treibstoffproduktionsrouten zu bewerten und zu verbessern.

Ihre Aufgaben:

• Training und Validierung von probabilistischen maschinellen Lernmodellen
• Bewertung der aktuellen Vorhersagefähigkeiten im Hinblick auf neue Treibstoffproduktionsrouten und den Einfluss der Verteilung der Trainingsdatensätze
• Identifizierung von Lücken in den Treibstoffdaten und Schließen dieser Lücken durch Definition von Datenpunkten für das Training der ML-Modelle in Zusammenarbeit mit der DLR-VT-Analytikabteilung
• Entwicklung von Ähnlichkeitsmetriken zur Identifizierung von Risiken und Einbußen bei der Genauigkeit, Präzision und Zuverlässigkeit der probabilistischen ML-Modelle, wenn diese auf neuartige Treibstoffproben angewendet werden
• Bewertung des Potenzials der Einbettung allgemeiner physikalischer Gesetze in die ML-Methodik
• kritische Analyse und Verbesserung der Methodik
• Aufgaben im Rahmen der Pflege der Treibstoffdatenbank
• Zugänglichmachung spezifischer Datensätze über webbasierte Dashboards
• Screening von Treibstoffprodukten im Hinblick auf aktuelle und zukünftige (100% SAF) Zulassungsstandards
• Analyse und Identifizierung vielversprechender Treibstoffkandidaten im Hinblick auf Mehrwerte, z.B. Minimierung der Emissionen und damit der Umweltbelastung
• Aufgaben im Rahmen von Forschungsprojekten
• Präsentation und Veröffentlichung von (wissenschaftlichen) Arbeitsergebnissen
• es besteht die Möglichkeit zu promovieren

Ihre Qualifikation:

• abgeschlossenes wissenschaftliches Hochschulstudium (Master/Diplom) der Ingenieurwissenschaften (z. B. der Fachrichtungen Luft- und Raumfahrttechnik, Verfahrenstechnik, Maschinenbau oder Elektrotechnik), Informatik, Physik oder andere für die Tätigkeit relevante Studiengänge
• kollaborativer Teamplayer
• anpassungsfähige, kreative, motivierte Person, die gerne lernt
• gute Beherrschung der englischen Sprache in Wort und Schrift
• gute Kenntnisse in Mathematik, d.h. Kalkül, lineare Algebra, Wahrscheinlichkeitsrechnung und Statistik
• grundlegende Programmierkenntnisse in Python
• Grundkenntnisse der Datenbereinigung und -transformation (idealerweise mit Pandas) sowie der Datenvisualisierung (idealerweise mit Matplotlib und Plotly) sind wünschenswert
• Grundkenntnisse in der Softwareentwicklung im Team sind von Vorteil (idealerweise mit Git)
• Grundkenntnisse in Algorithmen des maschinellen Lernens sind wünschenswert (idealerweise mit PyTorch)
• Grundkenntnisse in der Arbeit mit NoSQL-Datenbanken sind von Vorteil (idealerweise MongoDB)
• Grundkenntnisse der deutschen Sprache sind gewünscht

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.