Informatiker/in - Echtzeitdatenfusion

Artificial Intelligence (AI) C C++ CI/CD (Continuous Integration/Delivery) CMake Docker

+5 Top

Am Institut für den Schutz maritimer Infrastrukturen in Bremerhaven erforschen und entwickeln wir innovative Lösungen, um die Resilienz maritimer Infrastrukturen zu stärken und diese anpassungsfähig, sicher und nachhaltig zu gestalten. In enger Zusammenarbeit mit Partnern aus Forschung, Wirtschaft und weiteren Akteuren der maritimen Sicherheit verbinden wir technologische Innovation mit praxisnaher Expertise und bieten dir die Chance, an zukunftsweisenden Projekten mitzuarbeiten.

Das erwartet dich:

Als neues Teammitglied in der Gruppe Lagebild und Cybersicherheit der Abteilung maritime Sicherheitstechnologien erforschst und entwickelst du innovative Methoden zur Fusion von Unterwasserakustik aus faseroptischen Sensoren (DAS) mit Schiffsbewegungsdaten aus AIS, Satelliten, Drohnen und Radarsystemen. Deine Arbeit zielt darauf ab, Sicherheitsanomalien im maritimen Raum frühzeitig zu erkennen und diese in ein kombiniertes Über- und Unterwasser-Lagebild einzubinden.

Du planst und realisierst Forschungsprojekte zur Entwicklung und Evaluation von KI-basierten Algorithmen für die Anomalieerkennung in heterogenen, zeit- und räumlich verteilten Sensordaten. Dabei setzt du auf Unsupervised Learning, Autoencoders, Isolation Forests und Active Learning, um auch unbekannte Gefahrenmuster nahe Echtzeit zu identifizieren.

Durch deine Arbeit trägst du aktiv zur Schaffung eines robusten, adaptiven und entscheidungsunterstützenden Lagebildsystems für maritime Infrastrukturen bei - mit direkter Verbindung von Grundlagenforschung, technologischer Innovation und praktischer Anwendung. Gerne bieten wir dir die Möglichkeit, diese Themen für eine Promotion zu nutzen., * Konzeption und Durchführung von Forschungsarbeiten zur Fusion von DAS-Akustik und Schiffsbewegungsdaten (AIS, Satelliten, Radar, Drohnen) zur Erkennung von Sicherheitsanomalien im maritimen Raum

• Entwicklung und Implementierung von KI-Modellen für die Anomalieerkennung in Zeitreihen- und Geodaten, insbesondere mit Unsupervised Learning, Autoencoders und Active Learning
• Durchführung der Datenaufbereitung und -fusion aus heterogenen Quellen (DAS, AIS, Satelliten, Radar), inklusive Zeit- und Raumalignment sowie Datenqualitätskontrolle
• Validierung der Modelle an Datensätzen aus Feldexperimenten und Langzeitmessungen
• Veröffentlichung der Ergebnisse auf internationalen Konferenzen

• Abgeschlossenes wissenschaftliches Hochschulstudium (Master / Diplom) der Informatik, Software Engineering oder einer anderen relevanten Fachrichtung
• Gute Kenntnisse in maschinellem Lernen, insbesondere in Unsupervised Learning, Anomalieerkennung, Zeitreihenanalyse und der Anwendung auf Sensordaten, beispielsweise auf den Daten von DAS- oder anderen hydroakustischen Systemen
• Erfahrung in der Entwicklung effizienter Algorithmen und Datenstrukturen für datenintensive Echtzeitanwendungen
• Praktische Erfahrung in der Sensordatenfusion, der Analyse großer, heterogener Datensätze und der Integration von Geodaten und Zeitreihen in Geoinformationssysteme (GIS) oder Echtzeit-Datenpipelines
• Programmierkenntnisse in C++ und Python, sowie Erfahrung mit Datenstrukturen, Algorithmen, Software-Architekturen und Entwicklungswerkzeugen (z. B. cmake, git, Docker, CI/CD)
• Erste wissenschaftliche Publikationen oder Präsentationen im Bereich KI, Datenfusion
• Gute Englischkenntnisse in Wort und Schrift sowie die Fähigkeit, komplexe Forschungsergebnisse klar und präzise zu kommunizieren, Informatik Informationstechnik Wirtschaftsinformatik Abschluss Master/Diplom Auszeichnungen

Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen dir unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.