Organisationseinheit

Institut für Meteorologie und Klimaforschung Atmosphärische Umweltforschung (IMKIFU)

Ihre Aufgaben

Wir suchen Ihre Unterstützung für unsere Forschung zu generativen KI-Methoden. Ihr Schwerpunkt liegt auf dem Projekt 3D-GAIN (Realistische 3D-Atmosphärenrekonstruktion für generative KI-Vorhersagen von Niederschlag und Bestrahlungsstärke mittels Fernerkundungs- und In-situ-Daten) . Darüber hinaus wird Ihre Arbeit in die laufende Forschung zu KI-basiertem Downscaling von Niederschlagsfeldern in der neu gegründeten Forschungsgruppe Hydrometeorologische Messungen und Maschinelles Lernen am KIT Campus Alpin eingebunden.

Das übergeordnete Ziel des Projekts 3D-GAIN ist die Entwicklung neuartiger KI-Methoden zur generativen 3D-Rekonstruktion lokaler atmosphärischer Bedingungen, um die Ableitung und Vorhersage von Niederschlag und Sonneneinstrahlung zu verbessern. Diese generative Rekonstruktion basiert auf multimodalen Beobachtungen (Satellitenbilder, Radarmessungen, All-Sky-Kameras und In-situ-Sensoren) und nutzt eine einheitliche, physikalisch konsistente 3D-Darstellung der atmosphärischen Bedingungen.

Die Projektarbeit im Rahmen von 3D-GAIN erfolgt in Kooperation mit den Projektpartnern am DLR-Institut für Solarforschung und Energiemeteorologie in Almería, Spanien.

Ihre Hauptaufgaben sind:

• Konzeption und initiale Einrichtung des 3D-Repräsentationsmodells
• Entwicklung einer encoderbasierten Datensynchronisation und eines diffusionsbasierten probabilistischen Samplings
• Koordination der gemeinsamen Modellentwicklung mit den Projektpartnern
• Zusammenfassung, Präsentation und Veröffentlichung der Projektergebnisse.

Eintrittstermin

01.02.2026

Ihre Qualifikation

Sie verfügen über ein abgeschlossenes wissenschaftliches Hochschulstudium mit abgeschlossener Promotion im Bereich Künstliche Intelligenz oder Maschinelles Lernen, idealerweise mit Schwerpunkt Meteorologie oder verwandten Gebieten.

Insbesondere bringen Sie Folgendes mit:

• fundierte Kenntnisse in der Entwicklung und dem Training tiefer neuronaler Netze, idealerweise mit PyTorch;
• Erfahrung im Umgang mit großen Datensätzen und Machine-Learning-Workflows;
• Grundkenntnisse in Meteorologie und Fernerkundung;

Sie beherrschen Englisch in Wort und Schrift.