Jobs & Karriere

Nutzen Sie Ihre Chance zur Promotion in einem Thema der Energiewende. Entwickeln Sie eine Methode zur Bestimmung von Wärmelastprofilen von Quartieren mithilfe künstlicher Intelligenz (KI) unter Nutzung von großflächig verfügbaren Datensätzen.

Werden Sie Teil einer interdisziplinären Kooperation der DLR-Institute für Solarforschung und Vernetzte Energiesysteme. Helfen Sie bei der Beantwortung der Frage: „Wie können dezentral organisierte Energiesysteme optimal auslegt und betrieben werden?“. Die datenbasierte Charakterisierung von Quartieren bildet die Grundlage, um das Potenzial von Energiemanagementansätzen bzw. Auslegungsoptimierungsstrategien simulativ bewerten zu können.

Am Institut für Solarforschung wurden in vorangegangenen Arbeiten mithilfe von Machine-Learning-Verfahren Methoden zur Abschätzung energetischer Eigenschaften von Einzelgebäuden entwickelt. Als Datengrundlage wurden hierfür GIS-Daten, Fernerkundungsdaten und Statistiken verwendet. Dies ist Ihre Basis für die Entwicklung weiterführender Ansätze auf Quartiersebene.

Aus Synergien mit verschiedenen DLR-Instituten ergibt sich Gelegenheit für vielfältigen fachlichen Austausch mit erfahrenen Kolleginnen und Kollegen.

Ihre Aufgaben sind im Wesentlichen:

• Sie entwickeln ein existierendes Simulationsmodell für Einzelgebäude zur Nutzung auf Quartiersebene weiter.
• Sie identifizieren großflächig verfügbare Datensätze, aus denen sich die Parameter für die Charakterisierung von Quartieren ableiten lassen. Dafür recherchieren Sie, welche Quellen für bauphysikalische Daten bzw. an Verbrauchsdaten und Trainingsdaten zur Verfügung stehen.
• Sie ergänzen diese Datensätze um fehlende Informationen für die Berechnung der Wärmenachfrageprofile (z.B. thermische Speicherkapazitäten, bessere Näherungswerte für U-Werte) aus GIS-Daten, Statistiken und ähnlichen Datenquellen und wenden hierfür KI-Methoden an.
• Sie identifizieren Parameter, die eine Berechnung von Bedarfsprofilen für ein reales Quartier ermöglichen und definieren heuristische Quartierstypen mit typischen Wärmenutzungsprofilen.
• Sie entwickeln eine Methode zur Erzeugung von Wärmelastprofilen ganzer Quartiere auf Basis physikalischer Modelle und/oder Machine-Learning-Ansätzen. Sie wählen repräsentative reale Quartiere aus, über welche umfangreiche Informationen vorliegen, um die entwickelte Methode anzuwenden und zu validieren.
• Dabei publizieren Sie Ihre wissenschaftlichen Ergebnisse und halten Präsentationen auf nationalen und internationalen Konferenzen.