system-administration

Bosch Group

<div><section><div><p></p><h2>Unternehmensbeschreibung</h2></div><div><p><strong>Bei Bosch gestalten wir Zukunft mit hochwertigen Technologien und Dienstleistungen, die Begeisterung wecken und das Leben der Menschen verbessern. Unser Versprechen an unsere Mitarbeiterinnen und Mitarbeiter steht dabei felsenfest: Wir wachsen gemeinsam, haben Freude an unserer Arbeit und inspirieren uns gegenseitig. Willkommen bei Bosch.</strong></p><p>Die Robert Bosch GmbH freut sich auf Ihre Bewerbung!</p></div></section><section><div><p></p><h2>Stellenbeschreibung</h2></div><div><p>Etwa 30% des weltweiten Energieverbrauchs entfallen auf Gebäude, wobei ein erheblicher Anteil auf Heizungs-, Lüftungs- und Klimaanlagen (HLK) entfällt, um den thermischen Komfort der Bewohner:innen zu gewährleisten. Die meisten HLK-Systeme werden mit regelbasierten Methoden geregelt, denen es häufig an der für einen energieeffizienten Betrieb erforderlichen dynamischen Flexibilität mangelt. Als vielversprechende Alternative hat sich die modellprädiktive Regelung (MPC) etabliert, die jedoch detaillierte Systemmodelle erfordert, deren Entwicklung für jedes einzelne Gebäude arbeitsintensiv ist.</p><p>Ziel der Promotion ist die Entwicklung von Methoden zur Automatisierung und Unterstützung bei der Erstellung von Optimierungswerkzeugen für HLK-Systeme in Gewerbe- sowie Industriegebäuden. Der Schwerpunkt liegt dabei auf der Integration von KI-Methoden wie neuronalen Netzen, generativer KI sowie neurosymbolischer KI, um die Effizienz von HLK-Systemen zu verbessern und gleichzeitig den Komfort der Bewohner:innen zu gewährleisten.</p><p>Das Projekt konzentriert sich auf die Entwicklung von Werkzeugen für die halbautomatische Erstellung von Modellen für die Optimierung von HLK-Systemen durch die Kodierung von Expertenwissen in symbolische Repräsentationen, die alle relevanten Datenpunkte und ihre Beziehungen erfassen. Diese Datenpunkte werden aus verschiedenen Quellen wie Freitextbeschreibungen, Datenpunktlisten sowie Anlagenkennschlüsseln identifiziert. Diese Informationen werden dann für die weitere Verarbeitung in Wissensgraphen strukturiert. Um ein semantisches Systemverständnis zu ermöglichen, werden KI-Methoden - darunter Large Language Models (LLMs), Large Multi-Model Models (LMMs) sowie neurosymbolische KI - auf ihre Fähigkeit untersucht, natürlichsprachliche Eingaben zu interpretieren und aus dem extrahierten Wissen dieser Graphen Schlussfolgerungen zu ziehen. Der resultierende Wissensgraph repräsentiert das Gebäudesubsystem und macht es für Optimierungsalgorithmen sowie Entscheidungsmodelle zur Optimierung des HLK-Systems zugänglich.</p><ul><li>Als Teil unseres Teams betrieben Sie Forschung zu KI-basierten Methoden zur Optimierung von HLK-Systemen unter Verwendung einer Kombination aus großen Sprachmodellen, großen multimodalen Modellen, Wissensgraphen und neurosymbolischen KI-Ansätzen.</li><li>Sie entwickeln Werkzeuge zur Unterstützung der halbautomatischen Erstellung von Optimierungsmodellen unter Verwendung von unstrukturierten Eingabedaten (csv-Dateien, Zeitreihendaten, P&amp;I-Ds, etc.) und Expertenwissen.</li><li>Die Integration von KI-Techniken zur automatischen Identifizierung sowie Zuordnung relevanter Datenpunkte für die Steuerung von HLK-Systemen unter Verwendung von generativer KI und Wissensgraphentechnologie zur Datenextraktion sowie Schlussfolgerung gehört ebenfalls zu Ihren Augaben.</li><li>Des Weiteren implementieren Sie neurosymbolische KI-Ansätze, die die Stärken von neuronalen Netzen und symbolischen Schlussfolgerungen kombinieren, um die Systemoptimierung sowie die Entscheidungsfindung zu verbessern.</li><li>In Zusammenarbeit mit Fachleuten aus den Bereichen KI und Gebäudeautomatisierung stellen Sie sicher, dass die Lösungen den realen Herausforderungen in gewerblichen sowie industriellen Umgebungen entsprechen.</li><li>Nicht zuletzt veröffentlichen Sie Ihre Forschungsergebnisse in führenden akademischen Zeitschriften und präsentieren Sie Ihre Ergebnisse auf hochkarätigen internationalen Konferenzen.</li></ul></div></section><section><div><p></p><h2>Qualifikationen</h2></div><div><ul><li><strong>Ausbildung:</strong> hervorragender Master-Abschluss (oder gleichwertig) in Informatik, Ingenieurwesen, angewandter Mathematik oder einem verwandten Gebiet mit Schwerpunkt auf KI, maschinellem Lernen oder Optimierung</li><li><strong>Erfahrungen und Know-how:</strong> in LLMs, Wissensgraphentechnologien sowie Frameworks für maschinelles Lernen (und Optimierungstechniken); Kenntnisse zu HLK-Anlagen oder Gebäudeautomation von Vorteil; starke Programmierkenntnisse, insbesondere in Python; Erfahrung mit symbolischer KI, neurosymbolischen Ansätzen und der Entwicklung von Wissensgraphen wünschenswert</li><li><strong>Persönlichkeit und Arbeitsweise:</strong> Sie sind innovativ, arbeiten eigenverantwortlich und fühlen sich in einem interdisziplinären, internationalen Umfeld zu Hause</li><li><strong>Sprachen:</strong> sehr gutes Englisch (in Wort und Schrift); Deutschkenntnisse sind von Vorteil</li></ul></div></section><section><div><p></p><h2>Zusätzliche Informationen</h2></div><div><p><a href="https://www.bosch-ai.com/en/home/home.html">www.bosch.com/research<br> https://www.bosch-ai.com</a></p><p>Bitte schicken Sie uns Ihre aussagekräftigen Bewerbungsunterlagen zu (inkl. Lebenslauf, Zeugnisse).</p><p>Vielfalt und Inklusion sind für uns keine Trends, sondern fest verankert in unserer Unternehmenskultur. Daher freuen wir uns über alle Bewerbungen: unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität.</p><p><strong>Sie haben Fragen zum Bewerbungsprozess?</strong><br> Sarah Schneck (Human Resources)<br> +49(711)811-43338</p><p><strong>Sie haben fachliche Fragen zum Job?</strong><br> Felix Kosack (Functional Department)<br> +49(711)365-32345</p></div></section></div>

Promotion - KI-gestützte Optimierung für HLK-Systeme unter Verwendung von Wissensgraphen, LLMs und neurosymbolischer KI