Ein zentrales Ziel unseres Instituts für den Schutz terrestrischer Infrastrukturen ist die Entwicklung innovativer Konzepte, Verfahren und Technologien zur Stärkung der Resilienz terrestrischer Infrastrukturen. In der Abteilung „Digitale Zwillinge für Infrastrukturen“ nutzen wir Digitale Zwillinge, um kritische Infrastrukturen zu überwachen, zu bewerten und deren Resilienz kontinuierlich zu verbessern. Im Fokus stehen insbesondere die automatisierte Generierung Digitaler Zwillinge, simulationsbasierte VR-Anwendungen zur Schulung von Einsatzkräften und Analyse von Bedrohungsszenarien, sowie die cloudbasierte Bereitstellung Digitaler Zwillinge für einen robusten und ortsunabhängigen Einsatz in Krisensituationen

Das erwartet dich

Digitale Zwillinge und virtuelle Abbilder physischer Objekte, Prozesse oder Systeme eröffnen ein breites Anwendungsspektrum in verschiedenen Bereichen – etwa im Krisenmanagement, in der Evakuierungsplanung oder bei der Ausbildung für Notfalleinsätze. Durch die Verknüpfung physischer Umgebungen mit digitalen Repräsentationen ermöglichen sie es Behörden, Einsatzkräften und Planungsverantwortlichen, reale Infrastrukturen und Abläufe realitätsnah zu simulieren, kontinuierlich zu überwachen und gezielt zu optimieren.

Die Erstellung detaillierter und funktionsfähiger digitaler Repliken – insbesondere von Außenumgebungen – ist häufig mit erheblichem manuellem Aufwand verbunden, vor allem dann, wenn die zugrundeliegenden Datenquellen nicht über die erforderlichen Metadaten (z. B. Gebäudemaße) verfügen. Solche Einschränkungen limitieren den Einsatz Digitaler Zwillinge in sicherheitsrelevanten Anwendungen, bei denen hohe räumliche Genauigkeit und umfassende Kontextinformationen unverzichtbar sind. Ein vielversprechender Ansatz zur Adressierung dieser Herausforderung ist der Einsatz von Vision-Language-Modellen (VLMs) in Verbindung mit Sensordaten. VLMs bieten das Potenzial fehlende Gebäudeinformationen zu identifizieren und zu ergänzen.

Deine Aufgaben

Ziel der Abschlussarbeit ist es, zu untersuchen, wie VLMs zur automatisierten Ableitung von Gebäudeinformationen aus Sensordaten sowie zur gezielten Anreicherung fehlender Information eingesetzt werden können – als Grundlage für die skalierbare Erstellung detaillierter Digitaler Zwillinge in sicherheitskritischen Anwendungsfeldern. Dies umfasst:

• Bewertung der Eignung moderner VLMs, Sensordaten (z. B. RGB-Bilder) im Gebäudekontext zu interpretieren und semantisch zu erschließen
• Entwicklung einer VLM-basierten Pipeline zur Ableitung und Integration fehlender struktureller und funktionaler Gebäudekomponenten in unvollständige digitale Modelle auf Basis von Sensordaten und Vorwissen
• Bewertung der Praxistauglichkeit der entwickelten Pipeline anhand repräsentativer Anwendungsfälle

Das bringst du mit

• laufendes Masterstudium in Informatik, Mathematik, Optotechnik oder einem vergleichbaren Studiengang
• Grundkenntnisse im Bereich Deep Learning, insbesondere in bildbasierter Objekterkennung oder semantischer Segmentierung
• Grundlegende Python-Kenntnisse (idealerweise im Kontext von Deep-Learning-Frameworks wie PyTorch oder TensorFlow)

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 2501) beantwortet dir gerne:

Tobias Koch 
Tel.: +49 2241 20148 55