Du recherchierst bestehende Techniken und wählst passende Datensätze aus, um ML-Modelle zur Lastvorhersage zu entwickeln und ihre Ergebnisse zu dokumentieren.
Anforderungen
- •Fortgeschrittene Kenntnisse im Maschinellen Lernen
- •Gute Programmierkenntnisse in Python
- •Erfahrung mit relevanten ML-Bibliotheken
- •Idealerweise Erfahrung im Umgang mit Zeitreihendaten
- •Interesse an industriellen Energiemanagement
- •Selbstständige, strukturierte Arbeitsweise
- •Analytisches Denken
Deine Aufgaben
- •Literaturrecherche zur Lastvorhersage durchführen
- •Öffentlich verfügbare Datensätze auswählen
- •Daten explorativ analysieren und visualisieren
- •Daten aufbereiten und Features erstellen
- •ML-Modelle zur Lastprognose implementieren und evaluieren
- •Methoden zur Erkennung von Konzeptdrift entwickeln
- •Ergebnisse dokumentieren und Verfahren bewerten
Deine Vorteile
Forschungsthema mit Praxisbezug
Gestaltungsfreiheit
Engagiertes Team
Flexibles Arbeiten im Home-Office
Original Beschreibung
Ort:
Stuttgart
Datum:
30.04.2025
# Masterarbeit - Adaptive KI-Modelle für die industrielle Lastvorhersage bei veränderten Datenmustern
**Ausschreibung für die Fachrichtungen wie z. B.:** Informatik, Maschinenbau, Mathematik, Physik, technische Informatik oder vergleichbare.
Die Vorhersage des Stromverbrauchs mithilfe Künstlicher Intelligenz ist ein wichtiger Baustein für effizientes Energiemanagement in der Industrie. In der Praxis verändern sich jedoch Verbrauchsmuster durch äußere Einflüsse wie saisonale Schwankungen, veränderte Produktionsprozesse oder neue Anlagen. Diese sogenannten Konzeptdrifts führen dazu, dass Vorhersagemodelle im Laufe der Zeit an Genauigkeit verlieren.
Im Rahmen dieser Masterarbeit sollen Strategien zur Erkennung und zum Umgang mit Konzeptdrifts in der elektrischen Lastvorhersage entwickelt und bewertet werden. Dabei werden Zeitreihendaten analysiert, geeignete Machine-Learning-Modelle eingesetzt und verschiedene Drift-Management-Ansätze wie Online-Lernen oder periodisches Retraining implementiert und miteinander verglichen.
**Was Sie bei uns tun**
* Literaturrecherche zum Stand der Technik im Bereich Lastvorhersage und Konzeptdrift-Erkennung
* Recherche und Auswahl geeigneter öffentlich verfügbarer Datensätze zur elektrischen Last
* Explorative Analyse und Visualisierung der ausgewählten Daten
* Datenaufbereitung und Feature-Engineering
* Implementierung und Evaluierung eines oder mehrerer geeigneter ML-Modelle zur Lastprognose
* Entwicklung und Vergleich von Methoden zur Erkennung und Behandlung von Konzeptdrift (z. B. Online-Lernen, periodisches Retraining)
* Dokumentation der Ergebnisse und kritische Bewertung der eingesetzten Verfahren
**Was Sie mitbringen**
* Fortgeschrittene Kenntnisse im Maschinellen Lernen
* Gute Programmierkenntnisse in Python sowie Erfahrung mit relevanten ML-Bibliotheken
* Idealerweise Erfahrung im Umgang mit Zeitreihendaten
* Interesse an industriellen Energiemanagement
* Selbstständige, strukturierte Arbeitsweise und analytisches Denken
**Was Sie erwarten können**
* Forschungsthema mit direktem Praxis- und Industriebezug
* Ein hohes Maß an Gestaltungsfreiheit
* Freundliches und engagiertes Team
* Flexibles Arbeiten aus dem Home-Office
Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.
**Stellensegment:**
Engineer, Engineering