Student/in Maschinenbau, Mechatronik, Informatik, Mathematik o. ä. (w/m/d)

Kernforschungsbereiche umfassen die Entwicklung zukünftiger technischer Systeme auf Basis regenerativer Energieträger, die Energiewandlung und -speicherung im Fahrzeug der Zukunft sowie fortschrittliche Architekturen und Kraftstofftechnologien für Straßen- und Schienenfahrzeuge. Moderne Batteriesysteme sind dabei von zentraler Bedeutung. Die Anforderungen an Integrationsfähigkeit, Langlebigkeit und Zuverlässigkeit der Batterien stellen hohe Ansprüche an die Batteriezellen und ihre Peripherie. Die Betriebsfähigkeit von Batterien wird häufig durch lokale Schäden beeinträchtigt, und eine direkte Messung interner Zustände während des Betriebs ist nicht möglich. Zur Bewältigung dieser Herausforderungen sind physikalisch-chemische Modelle sowie maschinelles Lernen für die Schätzung der inneren Zustände erforderlich. Präzise Batteriemodelle sind entscheidend, um die Zuverlässigkeit und Langlebigkeit von Batteriesystemen zu gewährleisten.

Ihre Aufgaben im Einzelnen:

• Die Entwicklung umfassender Batteriemodelle, die physikalisch-chemische Prinzipien mit Techniken des maschinellen Lernens kombinieren, um interne Zustände der Batterie zuverlässig zu schätzen.
• Erstellung und Validierung von Modellen, die darauf ausgelegt sind, die Auswirkungen lokaler Schäden auf die Batterieleistung vorherzusagen und zu minimieren.
• Kontinuierliche Optimierung dieser Modelle durch Anpassung an spezifische Parameter.
• Aktive Beteiligung an wissenschaftlichen Publikationen.
• Modellentwicklung und Analyse der entsprechenden Daten.

Zusätzliche Aufgaben:

• Entwicklung neuer Module für die Batteriemodellierung.
• Implementierung von Datenanalysen.
• Eigenständige Analyse und Abstraktion von komplexen Inhalten auf Wesentliches.
• Unterscheidung zwischen System- und Zellmodellierung.
• Verbesserung der Modellleistung und Benutzerfreundlichkeit.

Voraussetzungen:

• Laufendes wissenschaftliches Hochschulstudium im Bereich Maschinenbau, Mechatronik, Informatik, Mathematik, Fahrzeugtechnik, Energietechnik, Luft- und Raumfahrttechnik oder ähnlich.
• Erfahrung im Bereich der Batteriesysteme in mobilen Anwendungen.
• Grundlegende Programmierkenntnisse in Python.

Gewünschte Qualifikationen:

• Machine Learning Erfahrung wünschenswert.
• Idealerweise Erfahrung mit statistischen Analysen von Datenmodellen und Erfahrung im „Feature Engineering“.
• Schienenfahrzeugwissen ist von Vorteil.

Payment: Je nach Qualifikation und Aufgabenübertragung bis Entgeltgruppe E05 TV EntgO Bund.