Studentische Aushilfe (w/m/d) - Dynamische Ladeinfrastruktur - System Engineering / Admin, Ingenieur

Am Institut f r Datenwissenschaften in Jena besch ftigen wir uns damit, das Datenr ckgrat f r alle Anwendungsbereiche des DLR (Luftfahrt, Raumfahrt, Energie, Verkehr, Sicherheit) Realit t werden zu lassen. Weitere Informationen über die Art dieser Stelle und die Erwartungen an die Bewerber finden Sie weiter unten. Daf r entwickeln und erforschen wir in interdisziplin rer Arbeit Methoden mit Fokus auf Anwendungen z. B. f r nachhaltige und kreislaufgerechte Prozesse, resiliente Lieferketten, datengetriebene Wertsch pfungsketten oder robuste Entscheidungsunterst tzung.

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 Technologietransferaktivit ten. Das erwartet dich Der Power Forecast Mapper (PFM) ist ein digitales Prognosetool, das den zuk nftigen Ladebedarf der Elektromobilit t ermittelt, geeignete Ausbaustandorte identifiziert und ihr Umsatzpotential bewertet. Im Rahmen des Transferprojekts PFM2market wird der entwickelte PFM-Prototyp f r den kommerziellen Einsatz weiterentwickelt.

Zur Erfassung der bestehenden Ladeinfrastruktur und ihrer Auslastung werden zwei studentische Hilfskr fte gesucht, mit unterschiedlichen Schwerpunkten, aber gemeinsamer Entwicklung. Der Fokus liegt hierbei auf der bertragung bestehender Methoden und Implementierungen auf neue Datenquellen. Diese Stelle fokussiert die Verarbeitung dynamischer Daten zur Ableitung von Auslastungskennzahlen, die andere Stelle umfasst die Akquise und Aufbereitung statischer Daten (z. B. Standort Konfiguration, vgl. Ausschreibung 1234).

Bewerbungen als Team sind ausdr cklich willkommen: Bitte bewerbt euch in diesem Fall einzeln auf die jeweilige Stelle und nennt im Anschreiben den Namen der Person, mit der ihr euch jeweils bewerbt.

Einzelbewerbungen sind selbstverst ndlich ebenso m glich. xnbtkat
Deine Aufgaben Anpassung bestehender Implementierungen auf neue Datenquellen im Rahmen der folgenden Aufgaben: Anbindung einer Zeitreihendatenbank an mehrere Live-Datenschnittstellen zur Erfassung der aktuellen Auslastung der deutschlandweiten Ladeinfrastruktur Ableitung von Auslastungsganglinien durch parallele Verarbeitung der erfassten Zeitreihendaten Tests zur Pipeline-Stabilit t Fehlerbehandlung Das bringst du mit Laufendes Master-Studium (M.Sc.) in Informatik oder einem vergleichbaren Fachbereich Sehr gute Python Kenntnisse Erste praktische Erfahrungen mit Zeitreihendatenbanken, ETL-Pipelines und Parallelisierung Erfahrungen mit Push-basierten Datenstr men von Vorteil Schnelle Auffassungsgabe mit zielorientierter und selbst ndiger Arbeitsweise Gute Deutsch- und Englischkenntnisse in Wort und Schrift Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position ( Kennziffer 5826 ) beantwortet dir gerne: Dr. Friederike Klan Tel.: