Technische:r Beschäftigte:r (m/w/d), EG 12 TV-H
Bewerbungsfrist:
30.09.2026
Einstellungsbeginn:
baldmöglichst
Kennziffer:
39486
mit 65% einer Vollzeitbeschäftigung. Die Stelle ist gemäß § 14 Abs. 1 Satz 2 Nr. 1 TzBfG zunächst bis zum 30.09.2027 zur Mitarbeit im Rahmen des Drittmittelvorhabens „InterSCADA“ befristet.
InterSCADA - Automatisierte Entscheidungsunterstützung für die Frequenzstabilität in hybriden AC/DC‑Netzen
Im Projekt InterSCADA wird ein Open‑Source, herstellerunabhängiges Software‑Framework auf Basis von Microservices entwickelt, das als modulare SCADA‑Plattform zur Analyse und Steuerung hybrider AC/DC‑Stromnetze auf mehreren Spannungsebenen dient. Ziel ist es, Übertragungsnetzbetreibern (ÜNB) eine automatisierte Entscheidungsunterstützung in der Leitwarte zu bieten, mit Fokus auf die Bewertung der Frequenzstabilität unter hohen Anteilen erneuerbarer Energien und stromrichtergeprägter Einspeisung.
Die an der Universität Kassel entwickelten Methoden zur Stabilitätsbewertung und Entscheidungsunterstützung werden als Microservices architektonisch umgesetzt, wobei jeder Microservice in einem eigenen Docker‑Container gekapselt und über Docker Compose orchestriert wird. Die Integration erfolgt in ein Dynamic Security Assessment (DSA)‑Modul innerhalb der InterSCADA‑Plattform. Die Erprobung der Plattform findet an einem Pilotstandort in Griechenland statt, um die Übertragbarkeit der entwickelten Lösungen in ein spezifisches geografisches und regulatorisches Umfeld sicherzustellen.
- Entwicklung und Implementierung von KI‑basierten Methoden zur automatisierten Entscheidungsunterstützung in der Leitwarte von ÜNB, mit Fokus auf Bewertung der Frequenzstabilität
- Aufbereitung netzdynamischer Daten und Stabilitätskennzahlen für den Einsatz in Machine‑Learning‑ und Data‑Science‑Verfahren (Feature‑Engineering, Labeling, Datenpipelines)
- Integration der KI‑Modelle als DSA‑Modul
- Unterstützung der Umsetzung der Software‑Komponenten als Docker‑Container und Deployment in einem Kubernetes‑Cluster (CI/CD, Monitoring, Skalierung)
- Zusammenarbeit mit den wissenschaftlichen Mitarbeitenden, um die KI‑Methoden eng an die Anforderungen der Stabilitätsbewertung und Leitstellenlogik anzupassen
- Dokumentation der Software‑Architektur, Erstellung technischer Spezifikationen und Unterstützung bei der Übergabe an den Pilotstandort
- Abgeschlossenes Hochschulstudium (z. B. Bachelor) der (Angewandten) Informatik. Der geforderte Abschluss muss spätestens zum Einstellungstermin vorliegen.
- Fundierte Kenntnisse in Machine Learning / Deep Learning und deren Anwendung auf zeitreihenbasierte, physikalisch geprägte Daten (z. B. Frequenz‑, Leistungs‑, Zustandsgrößen)
- Erfahrung mit der Entwicklung und dem Deployment von ML‑Modellen in produktionsnahen Umgebungen (Python, gängige ML‑Frameworks, Docker, Kubernetes)
- Interesse an energietechnischen Anwendungen und der Schnittstelle zwischen KI‑Methoden und netzdynamischer Systemanalyse
- Praktische Erfahrung in der Softwareentwicklung für wissenschaftliche Projekte
- Sicherer Umgang mit Versionskontrolle (Git)
- Selbständiges und teamorientiertes Arbeiten
- Sehr gute Deutsch‑ und Englischkenntnisse in Wort und Schrift
Von Vorteil sind:
- Kenntnisse in Python (oder einer vergleichbaren Programmiersprache) für Datenanalyse, Modellierung und Automatisierung
- Erfahrungen mit Machine‑Learning‑Frameworks
- Kenntnisse in netzdynamischer Simulation (RMS/EMT) und/oder Erfahrung mit entsprechenden Tools
- Erfahrungen mit Docker und Docker Compose sowie Grundkenntnisse in Kubernetes
- Erfahrungen in der Arbeit in internationalen, interdisziplinären Projektteams
- Erfahrungen in der Erstellung wissenschaftlicher Publikationen
Für Rückfragen steht Dr. Diana Strauß-Mincu, Mail-Adresse diana.strauss-mincu@uni-kassel.de, zur Verfügung.