DLR Institut für Maritime Energiesysteme
Branche: Forschung und Entwicklung
Standorte: Geesthacht
Mitarbeiterzahl: Institut – ca. 40 Mitarbeitende, DLR – mehr als 10.000 Mitarbeitende
Das DLR Institut für Maritime Energiesysteme erforscht und entwickelt innovative Lösungen für die Dekarbonisierung und Emissionsreduktion der Schifffahrt. In Kooperation mit der Industrie werden diese in die Praxis überführt. Das Institut baut hierfür eine Großversuchsinfrastruktur bestehend aus einem Teststand und einem Forschungsschiff auf, um modulare Energie- und Schiffskonzepte unter realen Bedingungen zu erproben und zu entwickeln.
Gesuchte Fachrichtungen:
Allgemeine Ingenieurwissenschaften, Elektrotechnik, Energie- und Umwelttechnik, Informatik-Ingenieurwesen, Maschinenbau, Schiffbau, Verfahrenstechnik
Praktikumssprache: Deutsch und Englisch
Stellenauschreibungen:
- Bachelor/Master thesis (m/f/d): Feasibility study of a stationary forecast system for offshore wind parks
- Bachelor/Master thesis (m/f/d): Data-driven decision support system for parametric roll prediction of ships
- Bachelor/Master thesis (m/f/d): Numerical investigation of the seakeeping behavior of a LNG carrier using tailored wave sequences
- Master's Thesis (m/f/d): Techno-economic analysis of advanced energy systems for next-generation vessels
- Master’s Thesis (m/f/d): Strategies for decarbonisation of vessels serving EU ports
- Master's Thesis (m/f/d): Detail Design, Assembly & Evaluation of a RC Model for Digital Twin Demonstration
- Master's Thesis (m/f/d): Investigation of Co-Simulation Platforms for Maritime Digital Twin Development
- Bachelor/Master thesis (m/f/d): Analysis of potential waste heat sources and recovery technologies in ship energy systems
- Bachelor/Master thesis (m/f/d): Investigation of onboard heat pumps for cabin heating in electrified ships
- Master’s Thesis (m/f/d): System-level Assessment and Comparison of Fast Charging and Battery Swapping Technologies to Enable Full Electrification of Ships
- Master’s Thesis (m/f/d): Investigation of deep learning-based fault detection algorithms for shipboard power system
- Master’s Theses (m/f/d): Reduced order modelling of energy conversion and storage technologies for incorporation and simulation within a maritime energy system
Website:
www.dlr.de/ms
https://www.dlr.de/ms/desktopdefault.aspx/tabid-18379/
TU Hamburg
