Data Scientist for Intelligent Charging Infrastructure Optimization

Overview

We are looking for a PhD candidate in the field of electromobility for intelligent infrastructure optimization. Die intelligente Ladeinfrastruktur der Zukunft zielt darauf ab, die Verfügbarkeit und Zuverlässigkeit von Ladeinfrastruktur für Elektrofahrzeuge, insbesondere im professionellen Flotteneinsatz, signifikant zu verbessern. Ausgangspunkt ist die aktuelle Problemlage, wonach technische Defekte, Kommunikationsfehler und unzureichende Wartung häufig zu Ladeabbrüchen, Betriebsstörungen und hohen Kosten führen. Durch den Einsatz datengetriebener Methoden und moderner KI-Technologien sollen Ladevorgänge systematisch analysiert, Fehler intelligent behoben und potenzielle Ausfälle prädiktiv erkannt werden. Im Forschungsprojekt “KI-Load“ wird dafür eine Echtzeit-Datenpipeline mit Edge-KI entwickelt, die unter Nutzung etablierter Protokolle wie OCPP und ISO die Kommunikation zwischen Fahrzeugen, Ladepunkten und Backend-Systemen ganzheitlich erfasst. Die Validierung erfolgt in Kooperation mit einem CPO sowie einem dedizierten Reallabor. Ziel ist eine robuste, effiziente und ausfallsichere Ladeinfrastruktur, die die Alltagstauglichkeit der Elektromobilität maßgeblich erhöht. Werde Teil unseres Electric Vehicle Lab am Lehrstuhl für Fahrzeugtechnik und gestalte die Zukunft der Ladeinfrastruktur aktiv mit!

Über Uns

Das Electric Vehicle (EV) Lab des Lehrstuhls für Fahrzeugtechnik erforscht Themen rund um die Elektromobilität – von Antriebsstrangkomponenten wie der Hochvoltbatterie über die Fahrzeuginstegration bis zur Einbindung der Fahrzeuge in Mobilitäts- und Energiesysteme. Wir verbessern die Effizienz, Nachhaltigkeit und Wirtschaftlichkeit von Elektrofahrzeugen, indem wir die Integration von Komponenten bis hin zu komplexen Mobilitätssystemen durch Praxis- und Labortests sowie hochentwickelte Simulationen optimieren und beschleunigen. Gewonnene Forschungsergebnisse publizieren wir nicht nur auf zahlreichen Konferenzen und Journals, sondern stellen unsere Software auch Open Source zur Verfügung, um den Stand der Wissenschaft stetig zu erweitern.

Deine Herausforderung

Du entwickelst KI-Algorithmen und bringst sie in die reale Welt – direkt in die Anwendung. Gemeinsam mit einem Industriepartner konzipierst du einen ganzheitlichen Ansatz, der alle Schritte von der Datenerfassung und -verarbeitung über das Training der KI-Modelle bis hin zum Deployment in einer Cloud-Umgebung umfasst. Über Live-Dashboards sollen ausgewählte Ladesäulen in Echtzeit überwacht werden, um potenzielle Ausfälle frühzeitig zu erkennen und dem Betreiber automatisch zu melden. Wie du diese Aufgabe konkret umsetzt, liegt in deiner Hand. Dein wissenschaftlicher Fokus kann dabei beispielsweise auf der Entwicklung geeigneter KI-Modelle für Predictive Maintenance oder auf der Standardisierung von Schnittstellen für die Ladesäulenkommunikation liegen. Die erzielten Ergebnisse bereitest du selbstverständlich auch in Form wissenschaftlicher Publikationen und Berichte auf.

Dein Profil

Du bist begeistert von der Elektromobilität und möchtest dazu beitragen die Effizienz und Zuverlässigkeit von Ladeinfrastruktur zu optimieren. Darüber hinaus faszinieren dich die Möglichkeiten der Künstlichen Intelligenz, welche du anwendungsnah entwickelst, um frühzeitige Ausfälle von Ladesäulen im Reallabor vorherzusagen. Deinen Diplom- oder Masterabschluss in einer technischen Fachrichtung, wie zum Beispiel Maschinenwesen, Informatik oder Elektrotechnik, hast du mit guten Noten abgeschlossen. Erfahrungen in der wissenschaftlichen Programmierung und KI-Modellierung, insbesondere in Python, gehören zu deinem Repertoire. Du bist in der Lage, komplexe Themenstellungen zu verstehen, um sie strukturiert und organisiert anzugehen. Außerdem bist du ein echter Teamplayer, der sowohl das Projekt als auch den Lehrstuhl mit neuen Ideen und seinem Tatendrang bereichert.

Deine Chancen

Als Teil des Teams hast du die Chance, den Ausbau und die Effizienz der Ladesäuleninfrastruktur aktiv mitzugestalten. Du kannst ein innovatives Netzwerk in Wissenschaft und Wirtschaft aufbauen und von Beginn an Verantwortung im Projekt und am Lehrstuhl übernehmen. Das ist besonders relevant, wenn du später deine eigenen Ideen verwirklichen und ausgründen willst, wozu wir dir alle Möglichkeiten bieten. Du kannst an einem Thema forschen und promovieren, für das du brennst. Durch die Zusammenarbeit mit Industrie-Partnern bereitest du dich optimal auf zukünftige Aufgaben in diesem Bereich vor. Deine berufliche und private Weiterentwicklung liegt uns sehr am Herzen und wird aktiv gefördert.

• Vollzeitstelle nach TV-L E-13 (100%), befristet auf 3 Jahre
• Möglichkeit zur Promotion und Start-up-Gründung
• Innovatives Forschungsgebiet mit hoher Aktualität und Relevanz
• Moderne Arbeitsumgebung und Infrastruktur
• Flexible Arbeitszeitgestaltung inkl. Homeoffice
• Eigenes Budget für Fortbildungen und Tagungen
• Möglichkeit zum Auslandsaufenthalt

Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Bewerbungen von Frauen werden daher ausdrücklich begrüßt. Die Stelle erfordert die Anwesenheit am Lehrstuhl, Reisen, die Arbeit im Team und die Durchführung von Versuchen in Laboren oder in Ladesäulen-Parks. Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Falls du Rückfragen haben solltest, melde dich bei Cristina (cristina.grosu(at)tum.de / ). Wir freuen uns auf deine aussagekräftigen Unterlagen (Anschreiben, Lebenslauf, Anhang). Sende diese bitte mit Stellenbezeichnung im Betreff per E-Mail oder Post an: Christiane Schulte

bewerbung.ftm(at)ed.tum.de

Lehrstuhl für Fahrzeugtechnik

Boltzmannstraße 15

85748 Garching

The position is suitable for disabled persons. Disabled applicants will be given preference in case of generally equivalent suitability, aptitude and professional performance.

Data Protection Information
When you apply for a position with the Technical University of Munich (TUM), you are submitting personal information. With regard to personal information, please take note of the Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. (data protection information on collecting and processing personal data contained in your application in accordance with Art. 13 of the General Data Protection Regulation (GDPR)). By submitting your application, you confirm that you have acknowledged the above data protection information of TUM.

Kontakt: Cristina Grosu,

More Information