Practical trainings, student assistants and theses

We are looking for a highly motivated Master's student to join our research on building foundation models for large-scale carbon stock estimation and related Earth observation tasks. The thesis will focus on developing self-supervised learning methods that can leverage multi-sensor satellite data at global scale.
Our aim is to create next-generation models that learn general, transferable representations from optical imagery, radar (SAR), and spaceborne lidar for applications such as carbon stock estimation and biomass mapping. A key element of the project is the use of GEDI spaceborne LiDAR data, which provides rich 3D information on vegetation height and canopy structure. While GEDI offers unique value for carbon estimation, its measurements are sparse and point-based, unlike the dense 2D raster data from optical and SAR sensors.
The central challenge of this thesis is to design models that can seamlessly fuse these heterogeneous data types: combining sparse, irregular GEDI point measurements with dense raster imagery. This involves developing architectures and self-supervised pretraining strategies capable of bridging fundamentally different data geometries (3D points vs. 2D grids) within a unified foundation model.

• You should be currently enrolled in a Master’s program in Germany one of the following or related fields: Earth observation, geoinformatics, geomatics, remote sensing, computer science or data science
• Strong interest in satellite Earth observation, climate or carbon cycle research, and machine learning
• Good programming skills in Python, including experience with scientific libraries
• Basic understanding of machine learning concepts; prior experience with deep learning or self-supervised learning is an advantage
• Familiarity with at least one type of EO data (optical imagery, SAR, or lidar) or a strong willingness to learn
• Experience with high-performance computing (HPC) environments is an advantage but not a requirement
• Good written and spoken English, ability to document your work clearly and presentresults

• Place of work: Helmholtz-Zentrum Dresden-Rossendorf (HZDR)/ Helmholtz Institute Freiberg for Resource Technology (HIF), Freiberg
• Start: By mid-February 2026
• Duration: Typically 6 months as a Master’s thesis project

More Information: https://www.3d-abc.ai/

Mit Spitzenforschung in den Bereichen ENERGIE, GESUNDHEIT und MATERIE lösen wir am Helmholtz-Zentrum Dresden-Rossendorf (HZDR) einige der drängenden gesellschaftlichen Herausforderungen unserer Zeit. Das in Görlitz ansässige Center for Advanced Systems Understanding (CASUS) ist ein weltweit einzigartiges Zentrum für datenintensive Forschung im Bereich digitaler Systeme. Die deutsch-polnische Einrichtung wurde 2019 gegründet und betreibt interdisziplinäre Forschung in so unterschiedlichen Bereichen wie Erdsystemforschung und Materialforschung. Die Öffentlichkeitsarbeit am CASUS ist auf verschiedene Zielgruppen ausgerichtet, darunter die internationale Wissenschaftsgemeinde und die interessierte Bevölkerung in der Lausitz und dem Dreiländereck. Ein wichtiges Instrument ist hierbei die Webseite www.casus.science. Nach dem Relaunch der Seite 2025 sollen 2026 die Funktionalitäten erweitert werden. Für die Aufbereitung vorhandener Inhalte sucht das CASUS-Team Unterstützung für drei bis acht Monate.

grundlegendes Verständnis des Aufbau einer Webseite und eines Content-Management-Systems
Deutsch- und Englischkenntnisse, Polnischkenntnisse von Vorteil
Wohnsitz in Deutschland und Immatrikulation an einer Hochschuleinrichtung

mindestens 5 Stunden Arbeitszeit pro Woche gewünscht (flexible Verteilung möglich, zumeist Mo bis Fr in der Zeit von 8 - 17 Uhr), max. 19 Std. pro Woche
Beschäftigung als studentische Hilfskraft (SHK, ohne Bachelorabschluss) oder als Wissenschaftliche Hilfskraft (WHK, mindestens mit Bachelorabschluss) möglich, Stundenvergütung ist vom Fortschritt des Studiums abhängig (maximal 19,81 Euro)