Das Institut für Solarforschung entwickelt innovative Technologien zur Nutzung von Solarenergie. Der Fokus liegt dabei auf der Stromerzeugung und der Bereitstellung von Wärme und Brennstoffen. Das primäre Ziel ist, mithilfe von Sonnenenergie zur Wärmewende und zu einer Reduktion fossiler Brennstoffe beizutragen.

Das erwartet dich

Diese Arbeit untersucht Foundation-Modelle für die Himmelsbildgebung, die aus großskaligen Daten gemeinsame, universelle Repräsentationen atmosphärischer Phänomene lernen, anstatt für einzelne Aufgaben wie Wolkenklassifikation oder Bestrahlungsprognose separate Modelle zu entwickeln. Dabei werden Ansätze wie multimodales und Multi-Task-Lernen, spatiotemporale Modellierung sowie physikinformierte Repräsentationen untersucht, um Wolkendynamiken und physikalische Konsistenz zu erfassen. Ziel ist es, robuste und wiederverwendbare atmosphärische Merkmale zu gewinnen, die physikalisch konsistente generative Prognosen über verschiedene Anwendungsbereiche hinweg unterstützen.

Du wirst in einem diversen und motivierten Team an Fragestellungen der Energiewende arbeiten und damit aktiv zum Klimaschutz beitragen. Gleichzeitig arbeitest du eng mit Betreuern und Kollegen zusammen, um Ideen auszutauschen und Herausforderungen zu lösen. Zudem sammelst du praktische Erfahrungen in maschinellem Lernen, Softwareentwicklung, automatisiertem Testen, Versionskontrolle sowie moderner Bildverarbeitung. Als Besonderheit erwartet dich ein Arbeitsplatz in Almería, einem der sonnigsten Standorte Europas.

Deine Aufgaben

• Einarbeitung in bestehende Ansätze zu Vision-Foundation-Modellen
• Aufbereitung multimodaler Datensätze einschließlich Ausrichtung der Modalitäten und Bereitstellung aufgabenspezifischer Zielgrößen
• Entwurf und Implementierung von Modellarchitekturen mit gemeinsamem latentem Raum
• Entwicklung und Implementierung selbstüberwachter, cross-modaler und Multi-Task-Trainingsstrategien unter Einbeziehung physikalischer Randbedingungen und zeitlicher Konsistenz
• Evaluation der Repräsentationen über mehrere Downstream-Aufgaben und Prognoseszenarien hinweg sowie Vergleich mit bestehenden Ansätzen
• Dokumentation der Methodik und Ergebnisse in einer gut strukturierten Masterarbeit

Das bringst du mit

• Du studierst im Master Informatik, Physik, Mathematik, Ingenieurwesen oder einem verwandten Bereich und bringst gute Studienleistungen mit.
• Erfahrung in Python sowie grundlegende Kenntnisse im Bereich des maschinellen Lernens
• Fähigkeit, selbstständig zu arbeiten und gleichzeitig in einem internationalen Team zu kooperieren
• Vorerfahrungen in Datenanalyse, Computer Vision und Git-Versionskontrolle
• sehr gute Englischkenntnisse in Wort und Schrift 

Wenn dich diese Möglichkeit anspricht, melde dich gerne mit Anschreiben und Lebenslauf bei uns! 

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 4088) beantwortet dir gerne: 

Stefan Wilbert 
Tel.: L-WAHL: +49 2203 601 4619