Master Thesis Student (m/f/d) - Data Modeling for Product Carbon Footprint in Semiconductor Manufacturing

Sie werden an der Strukturierung und Verbindung komplexer Fertigungsdaten arbeiten, um die Analyse der Nachhaltigkeit auf Produktebene zu unterstützen. Dazu werden Sie mit realen Industriedaten arbeiten und mit Fachexperten zusammenarbeiten.

Der Fokus liegt auf:

• Entwicklung einer logischen Datenstruktur
• Verständnis der Beziehungen zwischen verschiedenen Datenpunkten
• Ermöglichung der Datenabfrage und -analyse durch Abfragen

In dieser Thesis werden Sie einen strukturierten Datenansatz entwickeln, um produktbezogene Daten zu organisieren und zu verwalten, um genaue Bewertungen des Produkt-Kohlenstoff-Fußabdrucks (PCF) in der Halbleiterfertigung zu unterstützen, was die Arbeit mit komplexen und fragmentierten Daten erfordert.

Was Sie tun werden:

• Analyse vorhandener Fertigungs- und produktbezogener Daten zur Identifizierung von Strukturen und Beziehungen.
• Entwicklung eines strukturierten Datenmodells zur Organisation produktrelevanter Daten.
• Erforschung und Verknüpfung von Daten zur Unterstützung der Analyse des Kohlenstoff-Fußabdrucks auf Produktebene.
• Entwicklung von Abfragen und Kleinprototypen zur Testung des Datenmodells.
• Anwendung des Modells auf eine praktische Fallstudie zur Demonstration der Funktionalität und Datenintegration (Proof-of-Concept).
• Dokumentation des Designs, der Methodik und der Ergebnisse in einem klaren und strukturierten Thesisbericht.
• Präsentation von Ergebnissen und Erkenntnissen gegenüber Stakeholdern in prägnanter und professioneller Weise.
• Umgang mit Unsicherheiten durch analytisches Denken und Offenheit.

Was Sie benötigen:

• Eingeschriebener Masterstudent in Data Science, Ingenieurwesen, Informationssystemen oder ähnlichem
• Allgemeines Verständnis und Leidenschaft für Daten
• Nachgewiesene Erfahrung mit datenorientierten Programmiersprachen (z.B. Python oder ähnlich) und Grundkenntnisse im Abfragen (z.B. SQL, SPARQL oder ähnlich)
• Erfahrung mit relationalen Datenbanken und Datenverarbeitung (z.B. SQL, pandas-basierte ETL oder ähnlich)
• Starke analytische, strukturierte Denk- und Problemlösungsfähigkeiten; in der Lage, Lösungen unabhängig zu erkunden und natürliche Neugier zu zeigen
• Gute Kommunikationsfähigkeiten in Englisch (Deutschkenntnisse von Vorteil) und Fähigkeit, selbstständig zu arbeiten
• Grundkenntnisse über graphbasierte Datenmodelle (z.B. RDF/SPARQL oder ähnlich) sind von Vorteil
• Grundkenntnisse über Halbleiterprodukte sind von Vorteil
• Interesse an Nachhaltigkeit, Lebenszyklusbewertungen, Produkt-Kohlenstoff-Fußabdrücken oder Halbleiterfertigung

Was Sie gewinnen werden:

• Praktische Erfahrung mit realen produktbezogenen Industriedaten.
• Einblick in komplexe Prozesse der Halbleiterfertigung und bereichsübergreifende Zusammenarbeit.
• Entwicklung starker analytischer, problemlösender und Stakeholder-Management-Fähigkeiten.
• Erfahrung in einem neuen und explorativen Bereich, der die zukünftige Arbeit gestalten wird.
• Potenzielle Möglichkeiten, das Projekt fortzusetzen oder nach dem Abschluss dem Unternehmen beizutreten.

Bedingungen:

• Vollzeitbefristeter Vertrag
• Attraktive Vergütung und ein Bonus für eine sehr gute Abschlussarbeit
• Standort: Hamburg

Als Arbeitgeber, der Chancengleichheit fördert, schätzt Nexperia Vielfalt nicht nur, weil es das Richtige ist, sondern weil vielfältige Teams besser abschneiden. Wir setzen uns für Inklusion ein, und ein Beweis für dieses Engagement ist, dass wir der Hauptpartner des allerersten niederländischen Paralympischen Teams NL House während der Paralympischen Spiele 2024 in Paris waren. Unser Rekrutierungsprozess ist inklusiv und für alle zugänglich, und wir betrachten alle Bewerber fair, sowie bieten ein sicheres Arbeitsumfeld und angemessene Anpassungen, wo dies gewünscht wird.

Darüber hinaus bieten wir unseren Kollegen die Möglichkeit, Mitarbeiterressourcengruppen wie die Pride Network Group oder globale und lokale Frauengruppen beizutreten. Nexperia hat sich verpflichtet, den Anteil von Frauen in Führungspositionen bis 2030 auf 30 % zu erhöhen.