Studentische Aushilfe (w/m/d) - Dynamische Ladeinfrastruktur

Das erwartet dich

Der Power Forecast Mapper (PFM) ist ein digitales Prognosetool, das den zukünftigen Ladebedarf der Elektromobilität ermittelt, geeignete Ausbaustandorte identifiziert und ihr Umsatzpotential bewertet. Im Rahmen des Transferprojekts PFM2market wird der entwickelte PFM-Prototyp für den kommerziellen Einsatz weiterentwickelt. Zur Erfassung der bestehenden Ladeinfrastruktur und ihrer Auslastung werden zwei studentische Hilfskräfte gesucht, mit unterschiedlichen Schwerpunkten, aber gemeinsamer Entwicklung. Der Fokus liegt hierbei auf der Übertragung bestehender Methoden und Implementierungen auf neue Datenquellen. Diese Stelle fokussiert die Verarbeitung dynamischer Daten zur Ableitung von Auslastungskennzahlen, die andere Stelle umfasst die Akquise und Aufbereitung statischer Daten (z. B. Standort & Konfiguration, vgl. Ausschreibung 1234).

Bewerbungen als Team sind ausdrücklich willkommen: Bitte bewerbt euch in diesem Fall einzeln auf die jeweilige Stelle und nennt im Anschreiben den Namen der Person, mit der ihr euch jeweils bewerbt. Einzelbewerbungen sind selbstverständlich ebenso möglich.

Deine Aufgaben

• Anpassung bestehender Implementierungen auf neue Datenquellen im Rahmen der folgenden Aufgaben:
• Anbindung einer Zeitreihendatenbank an mehrere Live-Datenschnittstellen zur Erfassung der aktuellen Auslastung der deutschlandweiten Ladeinfrastruktur
• Ableitung von Auslastungsganglinien durch parallele Verarbeitung der erfassten Zeitreihendaten
• Tests zur Pipeline-Stabilität & Fehlerbehandlung
  

Das bringst du mit

• Laufendes Master-Studium (M.Sc.) in Informatik oder einem vergleichbaren Fachbereich
• Sehr gute Python Kenntnisse
• Erste praktische Erfahrungen mit Zeitreihendatenbanken, ETL-Pipelines und Parallelisierung
• Erfahrungen mit Push-basierten Datenströmen von Vorteil
• Schnelle Auffassungsgabe mit zielorientierter und selbständiger Arbeitsweise
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift