Studentische Aushilfe; w​/m​/d; Statische Ladeinfrastruktur - System Engineering​/Admin, Ingenieur

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.

Der Power Forecast Mapper (PFM) ist ein digitales Prognosetool, das den zukünftigen Ladebedarf der Elektromobilität ermittelt, geeignete Ausbaustandorte identifiziert und ihr Umsatzpotential bewertet. Im Rahmen des Transferprojekts PFM2market wird der entwickelte PFM-Prototyp für den kommerziellen Einsatz weiterentwickelt.

Zur Erfassung der bestehenden Ladeinfrastruktur und ihrer Auslastung werden zwei studentische Hilfskräfte gesucht, mit unterschiedlichen Schwerpunkten, aber gemeinsamer Entwicklung. Der Fokus liegt hierbei auf der Übertragung bestehender Methoden und Implementierungen auf neue Datenquellen. Diese Stelle umfasst dabei die Akquise und Aufbereitung statischer Daten (z.

B. Standort, Konfiguration, Zugänglichkeit), die andere Stelle die Verarbeitung dynamischer Daten (Auslastungskennzahlen, vgl. Ausschreibung 1234).

Bewerbungen als Team sind ausdrücklich 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 selbstverständlich ebenso möglich.

• Anpassung bestehender Implementierungen auf neue Datenquellen im Rahmen der folgenden Aufgaben:
• Akquise und Aufbereitung statischer Informationen zur Ladeinfrastruktur aus verschiedenen Datenquellen
• Kontextualisierung von Ladestationsdaten, beispielsweise durch Verknüpfung mit Katasterdaten und Open Street Map Produkten
• Datenbereinigung und Qualitätssicherung

• Laufendes Master-Studium (M.Sc.) in Informatik oder einem vergleichbaren Fachbereich
• Sehr gute Python Kenntnisse
• Praktische Erfahrungen mit Datenbanken, ETL-Pipelines, Parallelisierung oder Geodaten Bibliotheken
• Schnelle Auffassungsgabe mit zielorientierter und selbständiger Arbeitsweise
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 5834) beantwortet dir gerne:

Dr. Friederike Klan

Tel.:  555