Wissenschaftliche:r Mitarbeiter:in (m/w/d), EG 13 TV-H

Die Stelle ist vorbehaltlich der Mittel im Rahmen des Vorhabens „BioDroneAI“ auf 1 Jahr befristet gemäß § 2 WissZeitVG. Die Möglichkeit zur Promotion ist gegeben.

Das Fachgebiet

Das Fachgebiet Intelligente Eingebettete Systeme (IES) forscht im Bereich der Grundlagen und der Anwendungen von Methoden der Datenanalyse, des Maschinellen Lernens (z. B. Deep Learning, Active Learning) und der Künstlichen Intelligenz. Schwerpunkte in der Grundlagenforschung sind beispielsweise selbst-lernende und selbst-organisierende Systeme, Methoden des kollaborativen und aktiven Lernens, Methoden des Transferlernens oder Techniken zur Echtzeitanalyse von Zeitreihen. Schwerpunkte der angewandten Forschung liegen in den Bereichen Energiesysteme, Automobil (Autonomes Fahren), Experimentalphysik/Werkstoffe sowie Biodiversitäts- und Umweltmonitoring. Im Fachgebiet IES arbeiten aktuell etwa 25 Mitarbeiter:innen in den genannten Bereichen.

Das Projekt BioDroneAI

BioDroneAI ist ein vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) im Rahmen der Fördermaßnahme „Digital GreenTech – Umwelttechnik trifft Robotik“ gefördertes Verbundprojekt unter Koordination des Fraunhofer-Instituts für Energiewirtschaft und Energiesystemtechnik (IEE). Ziel ist es, geräuscharme LTA-UAV-Drohnen mit multimodaler Sensorik (hochauflösende Kameras, Wärmebildkameras, Mikrofone und akustische Kamera) und KI-gestützter Auswertung zu kombinieren, um Vogel- und Säugetierarten in schwer zugänglichen und sensiblen Ökosystemen (z. B. Mooren) effizient, präzise und störungsarm zu erfassen.

Das IES verantwortet dabei insbesondere die Entwicklung von KI-Modellen zur visuellen und multimodalen Artklassifikation sowie zur automatisierten Zählung von Tieren. Die entwickelten Verfahren sollen einen Beitrag zum Biodiversitätsschutz und zur naturverträglichen Planung von Infrastruktur- und Energieprojekten leisten.

Aufgaben:

• Wissenschaftliche Mitarbeit im o. a. Vorhaben BioDroneAI, insbesondere:
• Entwicklung, Anpassung und Fine-Tuning von Deep-Learning-Modellen (CNN- und Transformer-basiert) zur visuellen Klassifizierung von Vogel- und Säugetierarten aus Drohnen-Bilddaten (RGB, Wärmebild).
• Entwicklung von Object-Detection-Modellen (z. B. YOLO, DETR-basierte Architekturen) zur Lokalisierung und automatisierten Zählung von Tieren.
• Erprobung und Weiterentwicklung von Self-Supervised-, Few-Shot- und Zero-Shot-Learning-Ansätzen sowie multimodaler KI-Modelle zur Fusion akustischer und visueller Daten.
• Mitwirkung bei Kuration, Aufbereitung und Annotation der gesammelten Bild-, Wärmebild- und Audiodaten sowie deren Integration in die KI-Trainingspipeline.
• Evaluierung der entwickelten Modelle mit geeigneten statistischen Methoden und Validierung in praxisnahen Feldtests.
• Dokumentation des erstellten Codes sowie Vorstellung der Ergebnisse gegenüber den Projektpartnern.
• Publikation der Forschungsergebnisse in Zeitschriften und auf Konferenzen.
• Mitarbeit bei organisatorischen Aufgaben (z. B. Projekttreffen, Projektberichte).
• Darüber hinaus wird Beteiligung an allgemeinen Aufgaben des Fachgebiets erwartet

Voraussetzungen:

• Mit mindestens gutem Erfolg abgeschlossener wissenschaftlicher Hochschulabschluss in Informatik oder einem eng verwandten Studiengang. Der geforderte Abschluss muss spätestens zum Einstellungstermin vorliegen.
• Sehr gute Programmierkenntnisse, insbesondere in Python.
• Sehr gute Kenntnisse der Grundlagen und Anwendungen des Maschinellen Lernens und des Deep Learning, insbesondere im Bereich Computer Vision / Bildklassifikation.
• Erfahrung im Umgang mit Bibliotheken und Werkzeugen für Deep Learning (z. B. PyTorch, Keras).
• Gute Kenntnisse im Bereich Bioakustik bzw. akustisches Monitoring.
• Sehr gute Lernfähigkeit und Freude an der Arbeit mit fachübergreifenden Themen.
• Selbstständige und zielorientierte Arbeitsweise.
• Sehr gute Kommunikationsfähigkeit und Freude an der Arbeit im Team.
• Interesse an Anwendungen im Umwelt- und Naturschutz.
• Sehr gute Kenntnisse in Englisch.

Von Vorteil sind:

• Kenntnisse in Object Detection und Bildsegmentierung.
• Erfahrung in Multimodalem Lernen (Kombination visueller und akustischer Daten) sowie Few-Shot-/Zero-Shot- und Self-Supervised-Learning.
• Erfahrung mit Foundation Models und Vision-(Language-Audio-)Modelle.
• Sehr gute Kenntnisse in der deutschen und englischen Sprache.
• Kenntnisse in Linux/UNIX-Systemen.
• Sehr gute Kenntnisse in der Datenanalyse und Datenverarbeitung.

Wir bieten

Die ausgeschriebene Position bietet die Möglichkeit, an der Entwicklung fortschrittlicher KI-Modelle für ein nachhaltiges, automatisiertes Biodiversitätsmonitoring mitzuarbeiten. Diese Modelle zielen darauf ab, multimodale Drohnendaten (Bild, Wärmebild, Akustik) automatisiert auszuwerten und Tierarten auch unter realen Feldbedingungen zuverlässig zu erkennen und zu zählen. Dies stellt eine sehr gute Gelegenheit dar, an der Schnittstelle von fortschrittlicher KI-Technologie, Umwelttechnik und Naturschutz zu arbeiten und einen Beitrag zum Schutz der biologischen Vielfalt sowie zur naturverträglichen Gestaltung der Energiewende zu leisten.

BioDroneAI ist ein gemeinsames Projekt des Fraunhofer IEE, der Universität Kassel (Fachgebiet IES) sowie weiterer Partner aus Drohnentechnologie und angewandtem Naturschutz. Die entwickelten Lösungen sollen anschließend in die Anwendung integriert werden.