Job Description
Masterarbeit: KI-gestützte Anomalieerkennung in Gebäudeleittechnikdaten
Standort: Wien.Dauer: 6 Monate.Start: ab sofort / nach Vereinbarung. Bruttomonatsgehalt: 2.010,75 EUR /Monat
Über die Rolle:
Hintergrund und wissenschaftliche Einordnung
Moderne Produktionsstandorte verfügen über umfangreiche Gebäudeleittechnik- und Historian-Systeme, in denen kontinuierlich Betriebs-, Zustands- und Messdaten technischer Anlagen erfasst werden. Insbesondere in regulierten Produktionsumgebungen ist die frühzeitige Erkennung von persistenten Abweichungen, ineffizienten Betriebsweisen und kritischen Zuständen von hoher Relevanz, da diese sowohl die technische Verfügbarkeit als auch Energieeffizienz, Betriebsstabilität und qualitätsrelevante Umgebungsbedingungen beeinflussen können.
Für diese Masterarbeit steht daher die Entwicklung und Evaluation eines KI-gestützten Verfahrens zur Identifikation chronisch kritischer Betriebszustände mit Hilfe von Gebäudeleittechnik-Zeitreihen im Mittelpunkt, um daraus im Nachgang auch Optimierungsansätze zur Verbesserung der ökologischen und ökonomischen Parameter zu entwickeln.
Das bewirken Sie:
Zielsetzung der Masterarbeit
Ziel der Arbeit ist die Entwicklung, prototypische Umsetzung und systematische Evaluation eines KI-gestützten Verfahrens zur Erkennung chronisch kritischer Betriebszustände in mehrjährigen Gebäudeleittechnik-Zeitreihen. Im Fokus steht die Frage, wie sich dauerhafte oder wiederkehrende Abweichungen vom erwarteten Anlagenverhalten mithilfe datengetriebener Methoden identifizieren, charakterisieren und in technisch interpretierbare Befunde überführen lassen.
Forschungsfragen
* Welche Merkmale chronisch kritischer Betriebszustände lassen sich in mehrjährigen Gebäudeleittechnik-Zeitreihen identifizieren, und wie können diese von kurzfristigen Ausreißern oder betrieblich erwartbaren Schwankungen abgegrenzt werden?
* Welche datengetriebenen Verfahren der Anomalieerkennung eignen sich für die Analyse historischer Gebäudeleittechnikdaten hinsichtlich Erkennungsleistung, Robustheit und Interpretierbarkeit?
* Wie können identifizierte Anomalien in Bezug auf betroffene Anlagen, Regelkreise, Raumkonditionen oder externe Einflussgrößen strukturiert ausgewertet und dargestellt werden?
* Welche Voraussetzungen und Grenzen ergeben sich für eine praktische Überführung des entwickelten Ansatzes in ein betriebliches Monitoring- oder Entscheidungsunterstützungssystem?
Methodischer Rahmen
Die Arbeit umfasst die strukturierte Aufbereitung und explorative Analyse mehrjähriger Zeitreihendaten aus der Gebäudeleittechnik, die Auswahl und Implementierung geeigneter Verfahren zur Anomalieerkennung sowie die systematische Evaluation der Ergebnisse anhand fachlich definierter Kriterien. Erwartet wird insbesondere eine nachvollziehbare methodische Herleitung der gewählten Ansätze, beispielsweise auf Basis statistischer Verfahren, regelbasierter Baselines oder maschineller Lernverfahren zur Modellierung des Normalbetriebs und zur Detektion persistenter Abweichungen.
Ein besonderer Schwerpunkt liegt auf der Evaluierung der entwickelten Methode hinsichtlich Erkennungsqualität, Robustheit gegenüber saisonalen und betrieblichen Schwankungen, Nachvollziehbarkeit der Befunde sowie praktischer Einsetzbarkeit im industriellen Umfeld. Die Arbeit soll zeigen, inwieweit sich chronisch kritische Zustände automatisiert identifizieren lassen und welche Form der Ergebnisaufbereitung für eine spätere betriebliche Nutzung sinnvoll ist.
Erwartete Ergebnisse
* Wissenschaftlich fundierte Problemdefinition und Abgrenzung des Anwendungsfalls der Anomalieerkennung in Gebäudeleittechnikdaten
* Aufbereitung und Analyse eines mehrjährigen Datensatzes aus dem Anlagenbetrieb
* Entwicklung und prototypische Implementierung eines Verfahrens zur Identifikation chronisch kritischer Betriebszustände
* Systematische Bewertung der Methode hinsichtlich Erkennungsleistung, Robustheit, Interpretierbarkeit und praktischer Umsetzbarkeit
* Ableitung fachlich begründeter Empfehlungen für die zukünftige Nutzung des Ansatzes im technischen Monitoring und in der Betriebsoptimierung
Wissenschaftlicher Mehrwert
Die Masterarbeit leistet einen Beitrag zur Frage, wie datenbasierte Anomalieerkennung in komplexen technischen Gebäudesystemen unter realen industriellen Randbedingungen eingesetzt werden kann. Im Zentrum stehen nicht nur die Entwicklung eines prototypischen Verfahrens, sondern auch dessen wissenschaftlich fundierte Bewertung, die Reflexion methodischer Grenzen sowie die Übertragbarkeit der Ergebnisse auf vergleichbare Anlagenkontexte.
Dafür bringen Sie mit:
* Laufendes Masterstudium in Automatisierungstechnik, Informatik, Data Science, technischer Mathematik, Verfahrenstechnik oder einer vergleichbaren Fachrichtung
* Interesse an Zeitreihenanalyse, maschinellem Lernen und Big Data Analyse in technischen Systemen
* Erfahrung in der Aufbereitung und Auswertung größerer Datenbanken sowie im Umgang mit Programmiersprachen oder Analysewerkzeugen für Datenverarbeitung
* Strukturierte und wissenschaftliche Arbeitsweise sowie Fähigkeit zur nachvollziehbaren Dokumentation von Methoden und Ergebnissen
* Interesse an der Verbindung von wissenschaftlicher Methodik und praxisnaher Anwendung im industriellen Umfeld
* Gute Deutsch- und Englischkenntnisse in Wort und Schrift
Von Vorteil
* Grundkenntnisse in Gebäudeleittechnik, HVAC-Systemen, industrieller Automatisierung oder Prozessdatenanalyse
* Verständnis für Sensorik, Messdatenqualität, Regelkreise und betriebliche Randbedingungen technischer Anlagen
Das bieten wir Ihnen:
Für diese wichtige und verantwortungsvolle Position beträgt das Gehalt 2.010,75 EUR brutto/Monat (Vollzeit, KV chem. Industrie).
* Auszeichnungen als Top-Arbeitgeber und zertifiziertes familienfreundliches Unternehmen
* Umfassende Weiterbildungs- und Trainingsangebote sowie Persönlichkeitsentwicklung und Mentoringprogramm
* Vielfältige Weiterentwicklungsprogramme (Talent-, Trainee-, Lehrlingsprogramm)
* Mitarbeiter*innenempfehlungs und -anerkennungsprogramme, Aktienerwerbsplan
* Aktive Teilnahme an verschiedenen Netzwerkgruppen (z. B. Diversity, Equity & Inclusion; Nachhaltigkeit)
* Vielfältige Gesundheitsangebote (z. B. kostenlose Impfungen, psychologische Beratung, Massagen)
* Fitnessangebote
* Firmen-Events & Feste
* Betriebsrestaurant mit gestützten Preisen
* Betriebliche Kinderbetreuung/bilingualer Betriebskindergarten
* Gute öffentliche Anbindung
Locations
AUT - Wien - Industriestrasse 67
Worker Type
Employee
Worker Sub-Type
Apprentice / Trainee (Fixed Term) (Trainee)
Time Type
Full time
EEO Statement
Takeda ist stolz auf seine Verpflichtung, eine vielfältige Belegschaft zu schaffen und allen Mitarbeitenden und Bewerber*innen gleiche Beschäftigungschancen zu bieten, ungeachtet ihrer ethnischen Zugehörigkeit, Hautfarbe, Religion, ihres Geschlechts, ihrer sexuellen Orientierung, ihres Geschlechtsidentität, ihres Geschlechtsausdrucks, ihres Familienstatus, ihrer nationalen Herkunft, ihres Alters, ihrer Behinderung, ihres Staatsangehörigkeitsstatus, ihrer genetischen Informationen oder Merkmale, ihres Familienstands oder anderer gesetzlich geschützter Merkmale. Wenn Sie mit Behinderungen, chronischen Krankheiten oder Neurodiversität leben, teilen Sie uns dies gerne mit, wenn Sie möchten, damit wir Sie während des Bewerbungsverfahrens angemessen unterstützen können.
"
#J-18808-Ljbffr