Motivation & Hintergrund

CO₂-Vermeidungsmaßnahmen leisten einen wesentlichen Beitrag zur globalen Dekarbonisierung, erfordern jedoch ein tiefes Verständnis darüber, welche Akteure besonders stark von vermiedenen Emissionen profitieren und damit ein hohes wirtschaftliches Investitionsinteresse haben.
Diese Masterarbeit entsteht im Rahmen eines aktuellen, praxisnahen Forschungsprojekts in Zusammenarbeit mit einem führenden Industriepartner aus dem Mobilitäts- und Infrastrukturbereich und adressiert die datenbasierte Identifikation solcher Investitionsstakeholder.

Ziel der Arbeit

Ziel der Masterarbeit ist die Entwicklung eines daten- und KI-gestützten Ansatzes zur Identifikation und Analyse zentraler Investitionsstakeholder für CO₂-Vermeidungsmaßnahmen auf Basis öffentlich verfügbarer Klima-, Emissions- und Schadensdaten.

Aufgabenstellung

1. Identifikation, Sammlung und Aufbereitung öffentlich verfügbarer Daten zu Emissionen, klimabedingten Schäden und betroffenen Sektoren.
2. Analyse der Zusammenhänge zwischen Emissionsvermeidung, Klimarisiken und potenziell vermiedenen Schäden mithilfe geeigneter KI- und Analyseverfahren.
3. Entwicklung eines Modells zur Identifikation und Klassifikation relevanter Stakeholder wie Länder, Industrien und Unternehmen.
4. Quantifizierung des potenziellen Nutzens und der finanziellen Anreize durch vermiedene CO₂-Emissionen für die identifizierten Stakeholder.
5. Visualisierung der Ergebnisse in Form eines interaktiven Dashboards oder einer globalen Übersichtsdarstellung.
6. Kritische Bewertung der Ergebnisse sowie Ableitung von Implikationen für Investitions- und Stakeholder-Strategien.

Erwarteter Output

• Ein konzeptionelles und datenbasiertes Modell zur Identifikation zentraler Investitionsstakeholder
• Ein funktionsfähiger Prototyp (z. B. Dashboard oder interaktive Karte)
• Transparente Darstellung von Zusammenhängen zwischen CO₂-Vermeidung, Klimarisiken und finanziellen Anreizen
• Wissenschaftliche Einordnung und Ableitung praktischer Handlungsempfehlungen

Zielgruppe / Anforderungen

• Masterstudierende aus den Studiengängen:
  • Maschinenbau
  • Wirtschaftsingenieurwesen
  • Data Science
  • Informatik
  • Artificial Intelligence
  • oder verwandten Studienrichtungen
• Gute Programmierkenntnisse in Python (erste praktische Erfahrung oder hohe Lernbereitschaft)
• Grundlegende Kenntnisse in Data Engineering und Datenanalyse
• Theoretische Kenntnisse im Bereich Machine Learning sind von Vorteil
• Interesse an Nachhaltigkeit, Klimaschutz und datenbasierter Entscheidungsunterstützung
• Selbstständige, strukturierte Arbeitsweise sowie Freude an interdisziplinärer Forschung
• Sehr gute Deutsch- und gute Englischkenntnisse

Rahmen & Zusammenarbeit

• Dauer: 6 Monate
• Beginn: nach Absprache
• Enge Betreuung durch erfahrene Forschende
• Einbindung in ein aktuelles, praxisnahes Forschungsprojekt mit industriellem Anwendungskontext

Möglichkeit, die Ergebnisse im Rahmen weiterführender Abschlussarbeiten oder Forschungsprojekte gezielt auszubauen

Kategorien:

Kontakt: