Abschlussarbeit "Machine Learning-basierte kinetische Modellierung der Methanolsynthese"

Hier sorgst Du für Veränderung

Du möchtest die Energiewende aktiv mitgestalten und bereits während Deines Studiums praktische Erfahrung sammeln? Bei uns arbeitest Du an der Verwirklichung dieses Ziels mit. Im Zuge der Transformation zu einem nachhaltigen und CO2-neutralen Wirtschafts- und Energiesystem werden Power-to-X Prozesse, in denen nachhaltig erzeugter Wasserstoff (H2) und Kohlendioxid (CO2) aus Biomasse oder der Atmosphäre in Basischemikalien und synthetische Treibstoffe umgewandelt werden, eine wesentliche Rolle spielen. Methanol wird hierbei aufgrund seines breiten Anwendungsspektrums eine herausragende Bedeutung besitzen. Aufgrund der Komplexität des Reaktionsnetzwerkes ist die exakte kinetische Modellierung der Methanolsynthese mit konventionellen Ansätzen jedoch eine herausfordernde Aufgabe.

Das Ziel der Abschlussarbeit ist es, ein Machine Learning (ML)-basiertes Kinetikmodell der Methanolsynthese an einen umfangreichen experimentellen Datensatz anzupassen. Die notwendigen Bilanzgleichungen sowie ein detailliertes physikalisches Modell sind bereits vorhanden und validiert. Entsprechend soll der Schwerpunkt der Abschlussarbeit weniger auf den chemischen Vorgängen im Reaktor, sondern mehr auf der Nutzung und Anpassung geeigneter ML- und Optimierungsalgorithmen liegen, um eine weiter verbesserte Beschreibung der chemischen Reaktion zu erreichen.

Zur Unterstützung unserer Abteilung "Nachhaltige Syntheseprodukte" suchen wir zum nächstmöglichen Zeitpunkt eine Studentische Hilfskraft mit der Gelegenheit zur Erstellung einer Abschlussarbeit für die folgenden Tätigkeiten:

• Du arbeitest Dich anhand einschlägiger Fachliteratur in die Grundlagen der Methanolsynthese und der Reaktormodellierung ein.
• Du arbeitest Dich mit unserer Anleitung in unsere MATLAB-basierte Simulationsplattform ein.
• Du erarbeitest Konzepte zur Einbettung von ML-Modellen in unsere Simulationsplattform.
• Du selektierst mithilfe vereinfachter Fittingkampagnen den vielversprechendsten Ansatz und nutzt diesen anschließend zum Fitting aller vorhandenen Messdaten.
• Du analysierst anhand eines detaillierten Vergleichs zwischen den Ergebnissen der vorhandenen konventionellen Modelle und der erarbeiteten ML-basierten Modelle die Stärken und Schwächen der beiden Ansätze.
• Du präsentierst Deine Ergebnisse in unserem Team.
• Du fasst Deine Erkenntnisse im Rahmen einer Abschlussarbeit zusammen.

Hiermit bringst Du Dich ein

• Du studierst Data Science, Umweltwissenschaften, Chemieingenieurwesen oder eine vergleichbare Fachrichtung.
• Du hast im Rahmen Deines Studiums bereits erste Erfahrungen im Bereich Machine Learning sammeln, beispielsweise zur Implementierung und Nutzung neuronaler Netze.
• Im Rahmen Deines Studiums oder eigener Projekte hast Du Dir Expertise in der Programmierung aufgebaut und bist mit der Nutzung von MATLAB oder einer vergleichbaren Programmiersprache vertraut.
• Erfahrung im Umgang mit unterschiedlichen Optimierungsalgorithmen sind von Vorteil, aber keine Bedingung.
• Du kannst anstehende Arbeitsschritte selbstständig und vorausschauend planen, Prioritäten setzen und verfügst über ein angemessenes Zeitmanagement.
• Es ist Dir wichtig, Dich in Dein Team einzubringen und auch in der interdisziplinären Zusammenarbeit gemeinsam Ziele zu erreichen.
• Du erstellst und hältst Präsentationen souverän, trittst sicher auf und kannst überzeugen.
• Du verfügst über sehr gute Englischkenntnisse. 

Was wir für Dich bereithalten

• Exklusiver Einblick: In der gemeinsamen Arbeit mit den Wissenschaftler*innen unserer Arbeitseinheit gewinnst Du einen Einblick in den Alltag von Forschung und Entwicklung an einem Forschungsinstitut.
• Forschungsmix: Du erhältst bei uns die Möglichkeit, experimentelle Arbeit mit der Theorie zu verbinden und so Dein Wissen aus dem Studium anzuwenden und zu erweitern.
• Betreuung: Bei Deiner Arbeit wirst Du durch Wissenschaftler*innen betreut und Du erhältst Feedback zu Deinen Fortschritten.
• Teamwork: Im Austausch mit den wissenschaftlichen und studentischen Mitarbeitenden sammelst Du Erfahrungen zur Arbeit im Team und kannst Deine bereits gemachten Erfahrungen einbringen.
• Arbeitszeit und -ort: Wir bieten Dir die Möglichkeit, Deine Arbeitszeit in Absprache flexibel an Deine Bedürfnisse anzupassen und ab und an von zuhause aus zu arbeiten.
• Chancengleichheit: Wir legen Wert auf Chancengerechtigkeit und geben Raum für Vielfalt.
• After Work: Feiere Dich und Deine Kolleg*innen bei After-Work-Events oder unseren jährlichen Mitarbeitendenfesten.

Zusätzlich zur Abschlussarbeit wird ein Vertrag als Studentische Hilfskraft vereinbart. Die Vergütung richtet sich nach dem Abschlussgrad der Hochschulausbildung.

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. 

Bereit für Veränderung? Dann bewirb Dich jetzt (inkl. Lebenslauf, Anschreiben, Arbeitszeugnisse/Leistungsnachweis), und mach einen Unterschied! Nach Eingang Deiner Online-Bewerbung erhältst Du eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Dir, wie es weitergeht. 

Fragen zu dieser Position beantwortet Dir gerne:
Florian Nestler
Tel.: +49 761 4588-5211

Fraunhofer-Institut für Solare Energiesysteme ISE 

www.ise.fraunhofer.de 

Kennziffer: 83331