Masterarbeit: Verwendung von Linked Open Data (LOD) und der Open Energy Ontology (OEO) in einem regionalen Energiesystemmodell

Das Reiner Lemoine Institut ist ein unabhängiges, gemeinnütziges Forschungsinstitut, das sich für eine Zukunft mit 100 % Erneuerbaren Energien einsetzt. Unsere drei Forschungsbereiche sind Transformation von Energiesystemen, Mobilität mit Erneuerbaren Energien und Off-Grid Systems.

Wir bieten das Thema

Verwendung von Linked Open Data (LOD) und der Open Energy Ontology (OEO) in einem regionalen Energiesystemmodell

für eine Masterarbeit an.

Kurzbeschreibung:

Das Team des Forschungsbereichs Transformation von Energiesystemen befasst sich mit verschiedenen Forschungsfragen zur Umsetzung der Energiewende. Diese umfassen Themen zum Ausbau der Erneuerbaren Energien und des Stromnetzes, der Kopplung der elektrischen Energieversorgung mit dem Wärmesektor, Erzeugungszeitreihen von Erneuerbare-Energie-Anlagen und das Einbinden und Vernetzen von Akteuren. Für unsere Analysen haben wir in Kooperation mit verschiedenen Partnern Simulationstools und Datenbanken entwickelt. Diese sind Open Source und werden kontinuierlich weiterentwickelt.

Die Masterarbeit wird im Projekt LOD-GEOSS geschrieben. Darin wird ein vernetztes Datenbankkonzept auf Basis von Linked Open Data (LOD) und dem Semantic Web für Eingangs- und Ergebnisdaten der Modellierung in der Energiesystemanalyse entwickelt. Das offenes Energiesystemmodell der Region Brandenburg-Berlin (oemof-B3) soll mit Hilfe der Open Energy Ontology (OEO) um Funktionen von LOD erweitert werden. Das auf dem Framework oemof basierende Mehrknoten-Modell optimiert die Sektoren Strom, Gas, Methan und Wärme. Durch ein Mapping der Model-lein-und Ausgangsparameter mit Klassen der Ontologie sollen die Simulationen und das begleitende Datenmanagement verbessert und weitgehend automatisiert werden. Das Ziel ist ein gut dokumentierter Prototyp, an dem die Vor- und Nachteile von LOD demonstriert werden und der als Referenz für die Berechnung optimierter Energiesysteme verwendet werden kann.

Deine Aufgaben:

• Anwendung und ggf. Weiterentwicklung des Energiesystemmodells (oemof-B3)
• Mapping der Ein- und Ausgangsdaten mit der OEO
• Identifikation, Dokumentation und ggf. Erweiterung der Ontologiebegriffe
• Analyse und Bewertung des Prototypen mit einer geeigneten Methode

Wir bieten:

• Ein freundliches, offenes Arbeitsklima in einem jungen, interdisziplinären Team (am RLI arbeiten aktuell etwa 100 Personen, davon ca. 40 Studierende)
• Eine transparente und partizipative Unternehmenskultur
• Möglichkeiten zur Teilnahme an internen Weiterbildungen
• Große Flexibilität bei den Arbeitszeiten und -orten,
• Lage auf dem Wissenschaftscampus Adlershof, gute ÖPNV-Anbindung

Rahmenbedingungen:

• Arbeitsbeginn zum 01.06.2022 oder nach Vereinbarung
• Befristet auf 6 Monate (Verlängerung ggf. möglich)
• Aufwandsentschädigung von 355 EUR im Monat

Kontakt:

Bitte lade deine vollständigen Bewerbungsunterlagen (Anschreiben, Lebenslauf, Zeugnisse, etc.) in einer einzigen PDF-Datei mit dem Dateinamen DeinVorname.DeinNachname hoch:

Jetzt bewerben

Bewerbungen, die diese Kriterien nicht erfüllen oder auf anderem Weg eingehen, können wir leider nicht berücksichtigen.

Fragen zu den Arbeitsinhalten beantwortet Ludwig Hülk.

Deine Ansprechpartnerin für den Bewerbungsprozess ist Marlene Buthenhoff.

Das RLI hat die Charta der Vielfalt unterzeichnet. Wir begrüßen und schätzen Vielfalt in unserem Institut und treten neben unserem Engagement für die Energiewende auch aktiv für die Gleichwertigkeit aller Menschen ein. Du und deine Bewerbung seid bei uns herzlich willkommen! Geschlecht, geschlechtliche Identität, sexuelle Orientierung, Nationalität, ethnische Herkunft, Religion, Weltanschauung innerhalb der freiheitlich-demokratischen Grundordnung, Behinderung oder Alter spielen dabei keine Rolle.

• Immatrikulation an einer (Fach-)Hochschule – idealerweise studierst du Energietechnik, Physik, Informatik oder eine ähnliche relevante Fachrichtung.
• Deutschkenntnisse auf mindestens C1-Level
• Programmierkenntnisse in Python und git erforderlich
• Erfahrung im Umgang mit optimierenden Energiesystemmodellen erforderlich
• Erfahrungen und Kenntnisse im Datenmanagement erwünscht
• Vorerfahrung im Bereich Ontologien und LOD wünschenswert
• Eine eigenständige, systematische und sorgfältige Arbeitsweise sowie die Fähigkeit zur Kommunikation und Dokumentation der Arbeitsergebnisse setzen wir voraus