Praktikum (w/m/d): Human Factors, Human-Computer Interaction, Data-Science

Das erwartet dich

Bei der Entwicklung von Lösungen für intermodale Verkehrssysteme trägt unser Institut sowohl den Anforderungen der Nutzenden als auch der Betreibenden Rechnung. Mit der Analyse der erforderlichen Informationsströme unterstützen wir Planung und Betrieb von intermodalen Gesamtsystemen und liefern die Grundlage für deren technische und betriebliche Validierung und Verifizierung. Diese Systeme ermöglichen es, den öffentlichen Nahverkehr zu stärken und Städte und Regionen attraktiver zu gestalten. Für Verkehrsknotenpunkte, wie Flughäfen, Bahnhöfe oder Haltestellen, erforschen und optimieren wir Infrastrukturen, Prozesse und die Verknüpfung aller Verkehrsmittel. Damit können wir die Sicherheit und Planbarkeit des Transports von Menschen und Gütern steigern.

Unsere Forschungsgruppe User Modeling untersucht, wie Menschen Verkehrssysteme erleben und mit ihnen interagieren, indem wir Verhaltens-, psychometrische und physiologische Daten sammeln und analysieren.

Derzeit arbeiten wir an mehreren spannenden Projekten, darunter:

• Arbeitsbelastung von Zugfahrern: Mithilfe von Daten wie Elektrokardiogramm (EKG), Hautleitfähigkeit, Elektroenzephalogramm (EEG), Eye-Tracking und Atemgurt-Signalen untersuchen wir die mentale Arbeitsbelastung während des automatisierten Zugfahrens.
• Reiseerlebnis im öffentlichen Nahverkehr: Mit Hilfe einer mobilen App erfassen wir In-situ-Daten darüber, wie Fahrgäste den öffentlichen Nahverkehr erleben, einschließlich subjektiver Berichte, GPS-Daten und physiologischer Messwerte.

Deine Aufgaben

• Datenbereinigung und -vorverarbeitung
• Datenanalyse von Verhaltens- und Zeitreihendaten
• Kombination klassischer statistischer Methoden und maschinellen Lernens
• Unterstützung bei der Aufbereitung und Visualisierung der Ergebnisse
• Analyse von EEG-Daten oder psychometrischen Daten, je nach deinen Interessen

Das bringst du mit

• Erfahrung in der Datenanalyse, insbesondere mit Zeitreihendaten
• fundiertes Verständnis von Statistik und Bewusstsein für die Herausforderungen der Zeitreihenanalyse
• Interesse an der Messung kognitiver oder emotionaler Zustände von Nutzern
• Motivation, zur Verbesserung zukünftiger Mobilitätssysteme aus einer nutzerzentrierten Perspektive beizutragen