Netze BW GmbH

Gemeinsam alles am Laufen halten - Als größter Verteilnetzbetreiber sind wir in Baden-Württemberg nicht nur für Strom, Gas und Wasser zuständig, sondern auch für öffentliche Beleuchtung, Elektromobilität und ein modernes Telekommunikations- und Breitbandnetz. Mit echtem Zusammenhalt und gegenseitigem Vertrauen arbeiten wir schon heute am Netz von Morgen. Schließ dich uns an und werde Teil des Netzworks!

• Spannende und anspruchsvolle Aufgaben eröffnen vielfältige Perspektiven zur persönlichen Entwicklung
• Kollegiale Zusammenarbeit im Team und moderne Arbeitsplätze zeichnen uns aus
• Vielfältige Events bieten Austausch- und Netzwerkoptionen für unsere Studierenden im Rahmen des Studi-Energy-Programms
• Flexible Arbeitszeitmodelle ermöglichen die Vereinbarkeit von Job und Studium
• Attraktive Vergütungen eröffnen Möglichkeiten: 2.000,- € mtl. brutto bei allen Praktika und Abschlussarbeiten und ab 16,- € je Stunde brutto bei Werkstudierendentätigkeiten im Bachelorstudium bzw. ab 18,- € brutto im Masterstudium

• Du arbeitest dich in die Literatur zu probabilistischen Modellen für Regressionsprobleme ein, inklusive verschiedener Modellierungsansätze, Metriken und typischen Herausforderungen
• Du implementierst eine Pipeline inklusive Datenaufbereitung, Modelltraining und Evaluation auf einem gegebenen Datensatz
• Du leitest aus deiner Evaluation ab, welche probabilistischen Modelle und Metriken am besten geeignet sind, insbesondere in Hinblick auf vorhandene Modelle zur Schätzung der Auslastung in Form einer Punktschätzung
• Du verfasst eine wissenschaftliche Arbeit und teilst dein erlangtes Wissen innerhalb des Teams in Form von Präsentationen

• Du studierst im Bereich Mathematik, Informatik, Physik oder einem vergleichbaren Studiengang / Studienprofil
• Du bringst eine hohe Eigeninitiative, Selbstständigkeit, systematische Arbeitsweise sowie eine logisch-analytische Denkweise mit
• Du verfügst über eine ausgeprägte soziale Kompetenz und Kommunikationsfähigkeit sowie gute Deutschkenntnisse in Wort und Schrift
• Du hast Erfahrung mit der Entwicklung von Machine Learning Pipelines in Python und Tools wie Git und pandas sowie in Cloudumgebungen wie Azure
• Du hast Erfahrung mit probabilistischen Modellen und Statistik im Kontext des Maschinellen Lernens oder eine hohe Motivation Dich in dieses Themenfeld einzuarbeiten
• Du bist von der Energiewende begeistert und hast Freude an energiewirtschaftlichen Fragestellungen

Wir arbeiten schon heute am Netz der nächsten Generation und stellen die Infrastruktur für morgen bereit. Somit bieten wir Kommunen, Unternehmen und Privatkund*innen einen direkten Zugang zur Energiezukunft im Land. Der Einsatz intelligenter Netztechnologien, unser Netzausbau, unser innovatives Denken und zukunftsorientiertes Handeln machen dies möglich. Die Energiewende bringt viel Veränderung mit sich. So müssen neue Verbraucher wie Elektromobile, dezentrale Wärmeerzeuger und vieles mehr effizient ins Netz integriert werden. Wir meistern diese Herausforderungen ressourcenbewusst und nachhaltig, wobei Mensch und Umwelt im Mittelpunkt stehen. 

Die Masterarbeit wird im Rahmen des Projekts Niederspannungsprognose angeboten, dass sich zur Aufgabe gemacht hat, mit künstlicher Intelligenz Transparenz in der Niederspannung bereitzustellen. Diese Transparenz wird insbesondere aufgrund der Wärme- und Mobilitätswende gefordert, da nur mit ihrer Hilfe eine Vielzahl neuer Verbraucher und Einspeiser integriert werden können, ohne die Netzstabilität zu gefährden. Im Rahmen des Projektes wird eine große Datenmenge von gemessenen Ortsnetzstationen verwendet, um Algorithmen des Maschinellen Lernens zu trainieren. Die trainierten Modelle werden verwendet, um Aussagen über die Auslastung nicht gemessener Ortsnetzstationen und deren Niederspannungsabgänge zu treffen.

Fokus der Masterarbeit ist die Implementierung eines probabilistischen Modells zur Erzeugung von Pseudomesswerten sowie die Anfertigung einer entsprechenden Masterarbeit. 

Was wir bieten: 

• Du bist Teil eines crossfunktionalen Projektteams bei der Netze BW und unterstützt mit deiner Masterarbeit die Entwicklung einer datengetriebenen Organisation
• Du kannst deine wissenschaftlich fundierte Arbeit an Modellen des Maschinellen Lernens mit konkreten Anwendungsfällen und Daten im Stromnetz verbinden
• Du bekommst tiefe Einblicke in die aktuellen Chancen und Herausforderungen in der Niederspannung, sowie den Möglichkeiten durch den §14a des EnWG