Abschlussarbeit (Master Thesis): Ai-basierte - Sindelfingen, Deutschland - Mercedes-Benz AG

Mercedes-Benz AG

Geprüftes Unternehmen

Sindelfingen, Deutschland

vor 1 Tag

Geschrieben von:

Lena Wagner

beBee Recruiter

Beschreibung

**Aufgaben**:
Unser Bereich verantwortet innerhalb MB.OS (Mercedes-Benz Operation Systems) in der Forschung und Entwicklung in der Mercedes-Benz AG die EE-Integration (Elektrik & Elektronik) der Software und Komponenten zu kundenerlebbaren Systemen des Gesamtfahrzeugs. Wir entwickeln die Werkzeuge für eine durchgängig digitale und automatisierte Test-, Integrations
- und Absicherungslandschaft entlang der CI/CD -Pipeline und nutzen dazu unter anderem cloudbasierte Datenanalyseverfahren zur stetigen Steigerung unserer Transparenz/Effizienz und Produktqualität. Mit aktuellen Softwaretechnologien und DevOps-Prinzipien erreichen wir eine beträchtliche Reduktion der Zyklus
- und Turnaround-Zeiten des Gesamtintegrationsprozesses.

In der Pre-Integration Automated Driving sind wir verantwortlich für die E2E (end-to-end) Integration der automatisierten Fahrfunktionen bei Mercedes-Benz und gestalten damit die Kundenwahrnehmung im Zusammenspiel der EE-Komponenten mit. Neben den Kundenfunktionen sind wir Anwender der neuen digitalen Absicherungslandschaft und gestalten diese aktiv mit.

**Das Team**:
Unser Team besteht aus 14 jungen und hochmotivierten Kolleg*innen, die sich auf Deine Unterstützung freuen. Wir legen Wert, auf Augenhöhe, direkt und in regelmäßigen Austauschterminen miteinander zu kommunizieren. Zudem ist es uns wichtig, dass wir konstruktiv und ehrlich miteinander umgehen. Wir arbeiten crossfunktional an und mit State-of-the-Art-Technologien mit agilen Methoden. Mobiles Arbeiten wird von uns regelmäßig genutzt

**Das erwartet dich bei uns**:
Automatisierte Fahrfunktionen in hochvernetzten Fahrzeugarchitekturen bilden komplexe funktionale Wirkketten über
diverse Schnittstellen ab, welche ausgiebig getestet und abgesichert werden müssen. Im komplexen Fehlerfall ist eine
Analyse auf Signalebene zum Teil zeitaufwendig und nur mit tiefgängigem Wissen durchführbar.
Das Ziel dieser Abschlussarbeit ist zu untersuchen, wie durch die Anwendung von AI/ML sich Fehlerzustände auf
Signalebene durch zuvor gewonnenes Expertenwissen (Labeled Training Set) automatisiert auswerten und kategorisieren
lassen. Durch das Design und die Implementierung erwarten wir künftige Analysen effizienter und umfangreicher
gestalten zu können. Außerdem könnte eine große Anzahl von Beanstandungen auf konkrete Fehlerklassen
heruntergebrochen werden und hierdurch priorisiert werden. Auch bekannte Fehlerfälle können durch den Einsatz von AI/
ML automatisiert erkannt und bearbeitet werden.

**Zu deinen Aufgaben gehört**:

- Einführung in die Methodik der Signalanalyse automatisierter Fahrsysteme mit realen Fahrzeug-Messdaten
- Auswahl eines geeigneten Deep Neural Networks (DNNs) und trainieren des DNNs zur automatisierten Fehleranalyse
und Clustering
- End2End Auswertung des eigenen Ansatzes an Hand von echten Messdaten mit dem Ziel der Integration in
Produktivsysteme
- Entwicklung eines Prozessvorschlags zur produktiven Nutzung und Erweiterung der Toolchain inkl. Ausblick auf
Erweiterungsmöglichkeiten.

Die endgültige Themenfindung erfolgt in Absprache mit der Hochschule, Ihnen und uns.
- #MB.OS**Qualifikationen**:
**Das bringst du mit**:

- Abgeschlossenes Bachelorstudium in Systems-Engineering, Informatik, Elektrontechnik oder vergleichbare
Studiengänge
- Gute Kenntnisse in Deep Learning (Supervised und Unsupervised Learning, Autoencoders, CNNs, LSTMs)
- Gute Programmierkenntnisse in Python
- Erfahrung mit Machine Learning Frameworks, e.g. TensorFlow oder PyTorch
- Spaß in der Zusammenarbeit und Lösungsdefinition im Team, analytisches, strategisches und innovatives
Denkvermögen
- Sichere Englischkenntnisse in Wort und Schrift

**Zusätzliche Informationen**:
Ganz ohne Formalitäten geht es natürlich auch bei uns nicht.
- **Bewirb Dich bitte ausschließlich online und füge Deiner Bewerbung einen Lebenslauf, aktuelle Immatrikulationsbescheinigung mit Angabe des Fachsemesters, aktuellen Notenspiegel, relevante Zeugnisse, ggf. Pflichtpraktikumsnachweis und Nachweis über die Regelstudienzeit (max. Gesamtgröße der Anhänge 5 MB) bei und markiere im Online-Formular Deine Bewerbungsunterlagen als "relevant für diese Bewerbung".**

Weiterführende Informationen zu den Einstellkriterien findest Du hier. Angehörige von Staaten außerhalb des europäischen Wirtschaftsraums schicken ggf. bitte ihre Aufenthalts-/Arbeitsgenehmigung mit.- Bitte habe Verständnis dafür, dass wir keine Papierbewerbungen mehr entgegennehmen und es keinen Anspruch auf Rückversand gibt.