Was Sie mitbringen

• Studium der Mathematik, Informatik, Physik o. ä.
• Gute Kenntnisse der Programmiersprache Python
• Gute Kenntnisse im Bereich Maschinelles Lernen
• Kenntnisse eines Deep Learning Frameworks (z. B. TensorFlow, PyTorch, PyTorch Lightning oder Keras) sind wünschenswert
• Wir legen besonderen Wert auf Eigeninitiative und eine selbstständige Arbeitsweise
• Die Bereitschaft die Masterarbeit vor Ort zu schreiben

Was Sie erwarten können

Durch den wachsenden Anteil erneuerbarer Energien am Strommix steigt auch die Komplexität des Energiesystems stark an. Um dieses immer komplexer werdende System beherrschbar zu halten und zu optimieren, sind automatisierte intelligente Lösungen zwingend notwendig. Die aktuellen KI-Technologien, insbesondere die Entwicklungen im Deep Reinforcement Learning (DRL), bergen großes Potential, hierzu einen signifikanten Beitrag zu liefern. Diese intelligenten Algorithmen besitzen den Vorteil, dass sie sich selbständig an neue Situationen optimal anpassen können. Daher würden insbesondere die Anwendungsgebiete der Netzsteuerung und des Energiehandels stark von einer Automatisierung durch derartige Algorithmen profitieren.
Allerdings ist das Energiesystem eine kritische Infrastruktur, welche zu Zielen krimineller, terroristischer oder kriegerischer Angriffe werden kann. Aufgrund dessen muss bei der Automatisierung von Prozessen in diesen Bereichen sichergestellt werden, dass die Prozessautomatisierung hinreichend vertrauenswürdig ist und ein sicherer Betrieb gewährleistet werden kann. Eine unzureichende Transparenz und Robustheit gegenüber Angriffen kann zu hohen wirtschaftlichen Verlusten und zur Destabilisierung des Energiesystems führen.

Das Ziel der Masterarbeit besteht daher in der Entwicklung von Methoden, welche die Interpretierbarkeit und Angriffssicherheit von DRL steigern. Hierbei sollen insbesondere verschiedene Techniken der Explainable AI sowie Verteidigungsstrategien zur Abwehr von Angriffen auf DRL-Algorithmen (sog. Adversarial Attacks) untersucht werden. Es existieren bereits einige Frameworks zur Erzeugung von Adversarial Attacks (Adversarial Robustness Toolbox, CleverHans, Foolbox, etc.) und zur Interpretation von KI-Verfahren (Captum, SHAP, Lime, etc.), welche im Hinblick auf diese Problemstellung evaluiert werden sollen.
Die zentrale Herausforderung besteht dann darin, die Methoden an die Problemstellung anzupassen, sodass die DRL-Algorithmen vor Angriffen geschützt sind und deren Entscheidungsfindung leicht von menschlichen Experten nachvollzogen werden kann.

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.

Die Stelle ist zunächst auf 6 Monate befristet. Die monatliche Arbeitszeit beträgt 40 Stunden. Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen!

Fragen zu dieser Masterarbeit beantwortet Ihnen gerne:
Herr René Heinrich
Tel. +49 160-3408484

Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE

Kennziffer: 51382 Bewerbungsfrist: 31.03.2023