Detailansicht des Stellenangebots

Wissenschaftliche:r Mitarbeiter:in (m/w/d), EG 13 TV-H, befristet, Teilzeit (derzeit 20 Wochenstunden)

Bewerbungsfrist:

19.06.2026

Einstellungsbeginn:

01.07.2026

Kennziffer:

39284

Die Stelle ist zunächst bis zum 30.06.2029 befristet gemäß § 2 WissZeitVG. Die Möglichkeit zur Promotion ist gegeben. Die Einstellung soll im Rahmen des Drittmittelvorhabens „FLOW“, gefördert durch das BMFTR erfolgen.

Projektzusammenfassung

Das Verbundprojekt FLOW untersucht die zukünftige Rolle der Wasserkraft in erneuerbaren Energiesystemen und entwickelt neue Ansätze, um ihre Flexibilitäts- und Systemdienstleistungspotenziale besser nutzbar zu machen. Im Fokus stehen Wasserkraft-Aggregationsmodelle, stochastische Transformationspfadanalysen sowie die Weiterentwicklung saisonaler und sub-saisonaler Prognoseverfahren. Diese Methoden werden systematisch in Entscheidungs-, Optimierungs- und Strommarktmodelle integriert, um robuste Betriebsführungs- und Assistenzsysteme für Leitwarten zu entwickeln. Dabei werden ökologische, ökonomische und energiewirtschaftliche Randbedingungen integrierter Wasser- und Energiesysteme berücksichtigt.

Aufgaben:

• Weiterentwicklung und Bewertung Ensemble-basierter Prognosemethoden für erneuerbare Energien mit Fokus auf (sub-) saisonale Zeithorizonte
• Entwicklung und prototypische Erprobung von Integrationsansätzen zur Nutzung saisonaler Prognoseinformationen in kurzfristigen Einsatz- und Vermarktungsentscheidungen (z. B. über Endwertfunktionen oder Szenarienbündel)
• Implementierung und Validierung der entwickelten Ansätze in Strommarktmodellen
• Durchführung und Auswertung von Szenario- und Vergleichsanalysen zur quantitativen Bewertung des Mehrwerts saisonaler Prognosen
• Veröffentlichung wissenschaftlicher Ergebnisse und Präsentation auf Fachtagungen
• Mitwirkung an der Projektkoordination und Betreuung studentischer Arbeiten

Voraussetzungen:

• Abgeschlossenes wissenschaftliches Hochschulstudium (z. B. Master) in Wirtschaftsingenieurwesen, Wirtschaftsinformatik, Energietechnik, Elektrotechnik, Informatik oder vergleichbarer Fachrichtung
• Fundierte Kenntnisse in der Programmiersprache Python, insbesondere im Bereich maschinelles Lernen (z. B. Keras, PyTorch)
• Nachgewiesene idealerweise durch Publikationen belegte Erfahrung in der Entwicklung neuronaler Netzwerk-Architekturen (z. B. MLP, CNN, LSTM) für Leistungsprognosen
• Erfahrung in der Verarbeitung und Nutzung numerischer Wettervorhersagedaten (NWP) als Eingangsdaten für Leistungsprognosen
• Erfahrung mit probabilistischen bzw. Ensemble-basierten Prognosen einschließlich Kalibrierung und Postprocessing (z. B. EMOS, QRNN-ECC, CRPS, Reliability-Analysen) sowie eigenständige methodische Weiterentwicklung (z. B. spezialisierte Verlustfunktionen)
• Erfahrung in der End-to-End-Kopplung probabilistischer Prognosen mit (stochastischen) Optimierungsmodellen im Kontext energiewirtschaftlicher Anwendungen
• Kenntnisse in mathematischer Optimierung und Erfahrung mit algebraischen Modellierungsframeworks (z. B. Pyomo, linopy, GAMS, AMPL) und Solvern (z. B. Gurobi, CPLEX, XPress)
• Erfahrung mit stochastischen Optimierungsansätzen (z. B. Two-Stage, szenariobasierte Formulierungen)
• Erfahrung in der Erstellung automatisierter Daten- und Trainings-Pipelines einschließlich Feature Engineering und automatischer Datenverifikation
• Erfahrung mit MLOps-Werkzeugen und Experiment-Tracking (z. B. MLFlow)
• Erfahrung mit HPC-Umgebungen und Job-Scheduling-Systemen (z. B. Batch-Skripten, Slurm)
• Erfahrung mit versionskontrollierter, modularer Softwareentwicklung (Git)
• Hervorragende Kenntnisse in Deutsch und Englisch in Wort und Schrift

Von Vorteil sind:

• Erfahrung mit Datenformaten für meteorologische Daten (z. B. NetCDF)
• Erfahrung mit Satellitendaten als Eingangsdaten für Prognosemodelle (z. B. MTG)
• Kenntnisse in der Programmiersprache Matlab
• Erfahrung im Bereich der Energiewirtschaft, insbesondere Strommärkte und Merit-Order-Prinzip
• Erste Erfahrung mit Dekompositionsansätzen und verteilten Algorithmen
• Erste Erfahrung mit dem Message Parsing Interface (MPI)
• Erfahrung mit Softwareentwicklungsprozessen (CI/CD, automatisiertes Testing, Dokumentation, modulare Paketstrukturen)
• Erfahrung im Publizieren wissenschaftlicher Veröffentlichungen
• Erfahrung in der Betreuung von Studierenden
• Erfahrung im Projektmanagement wissenschaftlicher Verbundprojekte

Für Rückfragen steht Herr Dr.-Ing. Philipp Härtel, philipp.haertel(at)uni-kassel.de zur Verfügung.