Masterarbeit - Physics informed Machine Learning for Optimizing District Heating Substations
At a glance
Mid-level Machine Learning Engineering role at Fraunhofer-Gesellschaft. Kassel.
Pay not stated Machine Learning Engineering salary
aimlroles summary, based on the employer's posting.
What you'll do
- Study how heating-curve settings and weather inputs affect building temperatures, including solar radiation and supply and return flows
- Select relevant heat-balance and building-envelope loss relationships to guide the model
- Add physical constraints to a machine-learning model’s loss function, then train and test temperature predictions
- Compare how different physical constraints affect prediction accuracy and the amount of training data needed
- Assess heating-curve adjustments that could lower return temperatures while maintaining residents’ thermal comfort
What you bring
- You are currently pursuing a master’s degree in engineering, energy informatics, computer science or a comparable subject
- You can work through unfamiliar, complex topics and enjoy analytical, experimental, independent work
- You have spoken and written German and English at B2 level or higher
Who this fits
This master’s thesis suits a student interested in applying physics-informed machine learning to district heating and building temperature prediction. The work is based in Kassel, with an option to work from home or at the institute. The thesis is initially set for twelve months, with a possibility of longer-term work.
From the employer
Das Fraunhofer IEE in Kassel forscht in den Bereichen Energiewirtschaft und Energiesystemtechnik mit den Schwerpunkten: Energieinformatik, Energiemeteorologie und Geoinformationssysteme, Energiewirtschaft und Systemdesign, Energieverfahrenstechnik und -speicher, Netzplanung und Netzbetrieb, Netzstabilität und Stromrichtertechnik sowie thermische Energietechnik. Rund 450 Wissenschaftlerinnen und Wissenschaftler, Angestellte, Studentinnen und Studenten entwickeln Lösungen für die Energiewende und erwirtschaften rund 38 Mio. Euro Erträge pro Jahr.
Die Abteilung Energieinformatik und Informationssysteme am Fraunhofer IEE forscht und entwickelt innovative Lösungen im Kontext der Digitalisierung der Energiewende. Durch die Digitalisierung der Wärmeversorgung und im speziellen der Fernwärme, entstehen neue Möglichkeiten die Versorgungssysteme effizienter, sicherer, flexibler und nachhaltiger zu gestalten. Daher beschäftigen wir uns mit der effizienten Erschließung, Monitoring sowie Steuerung von Energieanlagen für die Wärmeversorgung von Gebäuden, Quartieren und der Industrie. Wir erarbeiten in Kooperation mit unseren Partnern innovative Softwarelösungen und Beratungsdienstleistungen an der Schnittstelle zwischen Informations- und Kommunikationstechnologien und der Wärmewirtschaft.
Hier sorgst Du für Veränderung
Deine Masterarbeit
Hausübergabestationen übernehmen eine zentrale Rolle bei der Wärmeversorgung von Gebäuden in Fernwärmesystemen. Entscheidend für einen effizienten Betrieb ist unter anderem die Heizkennlinie, deren Parameter häufig nicht optimal auf die jeweiligen Gebäudeeigenschaften abgestimmt sind. Die Folge sind unnötig hohe Vor- und Rücklauftemperaturen, die zu erhöhten Wärmeverlusten und Energiekosten führen können.
Eine bedarfsgerechte Optimierung der Heizkennlinie bietet daher großes Potenzial, die Energieeffizienz zu verbessern, ohne den thermischen Komfort der Bewohner*innen zu beeinträchtigen.
Im Rahmen Deiner Masterarbeit untersuchst Du, wie sich physikalisches Wissen in Machine-Learning-Modelle integrieren lässt, um Raum- und/oder Rücklauftemperaturen zuverlässig vorherzusagen. Ziel ist es, physikalisch informierte Machine-Learning-Ansätze zu entwickeln und deren Potenzial zur Optimierung von Heizkennlinien sowie zur Reduzierung des Bedarfs an umfangreichen Simulations- und Messdaten zu bewerten.
Deine Aufgaben im Rahmen der Masterarbeit:
-
Analyse relevanter Einflussgrößen auf das thermische Verhalten von Gebäuden, insbesondere Heizkennlinienparameter, Außentemperatur, solare Einstrahlung sowie Vorlauf-, Rücklauf- und Raumtemperaturen
-
Identifikation geeigneter physikalischer Zusammenhänge, beispielsweise Wärmebilanzen und Wärmeverluste über die Gebäudehülle
-
Integration physikalischer Nebenbedingungen in die Loss-Funktion eines Machine-Learning-Modells
-
Entwicklung, Training und Evaluation eines physikalisch informierten Machine-Learning-Modells zur Vorhersage von Raum- und/oder Rücklauftemperaturen
-
Untersuchung des Einflusses unterschiedlicher physikalischer Nebenbedingungen auf die Vorhersagegenauigkeit und den erforderlichen Umfang an Trainingsdaten
-
Bewertung des Potenzials zur Optimierung von Heizkennlinien und zur Reduzierung von Rücklauftemperaturen unter Berücksichtigung des thermischen Komforts
Hiermit bringst Du Dich ein
- Laufendes Masterstudium der Ingenieurswissenschaften (z.B. Maschinenbau), Energieinformatik, Informatik oder vergleichbare Fachrichtungen
- Bereitschaft und Fähigkeit sich in neue und komplexe Themen einzuarbeiten
- Analytisches Denken und Freude am experimentellen und selbständigen Arbeiten
- Gutes Deutsch und Englisch in Wort und Schrift (mind. B2 Niveau)
Was wir für Dich bereithalten
- Einblick in anwendungsorientierte Forschung der Energiebranche mit direkter Relevanz für Industrie und Gesellschaft
- Zugang zu Expertennetzwerken in der Energiewirtschaft und Forschung
- Verpflichtung zur Charta der Vielfalt – Wir fördern aktiv Vielfalt und Inklusion in allen Bereichen
- Option auf eine Weiterbeschäftigung (z. B. als wissenschaftliche Hilfskraft oder für eine Promotion)
- Flexible und individuelle Anpassung der Arbeitszeit an Vorlesungs- und Klausurzeiten sowie die Möglichkeit zur Arbeit im Home-Office oder im modernen Institutsgebäude mit New Work Konzept in zentraler Lage
Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.
Im Rahmen der Masterarbeit besteht außerdem die Möglichkeit als wissenschaftliche Hilfskraft, mit einem dir passenden Stundenumfang (40 bis 80 Stunden) tätig zu sein. Die Stelle ist zunächst auf 12 Monate befristet, wobei wir eine längerfristige Zusammenarbeit anstreben. Ausnahmen für eine kürzere Laufzeit sind grundlegende betriebliche Gründe, der persönliche Wunsch des Studierenden oder das Ende des Studiums. Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.
Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.
Bereit für Veränderung? Dann bewirb Dich jetzt, und mach einen Unterschied! Nach Eingang Deiner Online-Bewerbung erhältst Du eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Dir, wie es weitergeht.
Fragen zu dieser Position beantwortet Dir gerne:
Luzie Barten (Recruiting)
E-Mail: luzie.barten@iee.fraunhofer.de
Tel.: +49 (0) 561 / 7294 - 1672
Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE
Kennziffer: 86058 Bewerbungsfrist: 25.11.2026
Machine Learning Engineering work from LinkedIn, X, Reddit and Upwork, in one list.
Each morning you get everything that fits, strongest first.
Machine Learning Engineering
Find me workBy the team behind aimlroles.