Sperren Der Bewerbungszeitraum für diesen Job ist jetzt vorbei
In Kürze beendet

Embedded AI findet im „Internet of Things“ immer weitere Anwendungen, um Sensorsignale auf kleinsten Geräten auszuwerten. Vor allem in der Medizintechnik finden sich viele neue Anwendungen, die durch die Analyse von Biosignalen mit Hilfe von Künstlicher Intelligenz (KI) ermöglicht werden. Auf diesem Wege können z. B. auf „Smart Patches“ EKG-Signale mittels KI analysiert werden, um Arrhythmien frühzeitig zu erkennen und Schlaganfälle zu verhindern.

Ziel der Arbeit ist die Umsetzung von KI-Algorithmen (insb. CNNs) zur Klassifikation von EKG-Signalen auf einem embedded Filed Programmable Gate Array (eFPGA). Dabei wird ein Hardware-Software-Codesign-Ansatz verfolgt, um die Rechenlast möglichst geschickt zwischen Software (auf dem RISC-V-basierten Mikrocontroller) und eFPGA aufzuteilen.

Je nach Umfang der Arbeit (Praktikum/Bachelor/Master) können neben den bestehenden FPGA-Tiles (LUT, FF) auch weitere logische Blöcke zur effizienteren Realisierung von KI entworfen und implementiert werden. Dies hätte zur Folge, dass die Effizienz des Systems erhöht werden kann, ohne Flexibilität in der Gestaltung der KI-Algorithmen zu verlieren.

Was Sie mitbringen

  • Studium in den Bereichen Technische Informatik, Elektrotechnik, Informatik oder vergleichbarer Disziplin
  • Grundlegende Programmierkenntnisse (C/C++)
  • Erste Erfahrungen mit Python sowie Linux-Umgebungen
  • Erste Kenntnisse im Bereich Bereichen HDL-Design (Verilog), FPGAs und Digitaltechnik sind von Vorteil
  • Eine ergebnisorientierte, systematische und eigenständige Arbeitsweise sowie ein hohes Maß an Teamfähigkeit

Was Sie erwarten können

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Die wöchentliche Arbeitszeit beträgt 39 Stunden.

Einblicke von unseren Mitgliedern
Joanne
Joanne Technische Universität München Project Management and Science Communication 2024
Joanne erzählt uns von ihren Erfahrungen mit Bright Network und gibt Tipps zum Thema Berufseinstieg.
Lies Joannes Geschichte
Joanne, Technische Universität München Project Management and Science Communication 2024
Theresa
Theresa Universität Passau Research Assistant IPMT 2022
Wir haben uns mit Theresa, einem unserer Mitglieder, zusammengesetzt, um über ihre Karriere und ihre Erfahrungen mit Bright Network zu reden. Hier findest du unser Interview mit ihr.
Lies Theresas Geschichte
Theresa, Universität Passau Research Assistant IPMT 2022