Sie möchten die Entwicklung von Bremsregelsystemen virtuell und datengetrieben voranbringen? Unser Fachbereich verantwortet das Entwickeln, Testen und Validieren von Fahrwerks- und Bremsregelsystemen (wie z. B. ESC/ABS/ASR). Für das Testen auf Gesamtfahrzeugebene kombinieren wir klassische Erprobung auf Straße und Prüffeldern mit virtuellen Techniken. Diese integrierte Teststrategie ermöglicht normnahe Fahrmanöver, hohe Reproduzierbarkeit, gezieltes exploratives Testen und eine effiziente Absicherung über unterschiedlichste Randbedingungen hinweg. In unserem interdisziplinären Team verbinden wir Fahrdynamik, Simulation, Data Analytics und Machine Learning und entwickeln Verfahren, Metriken und Tools für eine robuste, serienreife Funktionsfreigabe. Wir arbeiten an einer systematischen Erkennung von Systemfehlverhalten für die virtuelle Entwicklung von Bremsregelsystemen.
Im Zuge ihres Einsatzes (Praktikum und anschließende Masterarbeit) sollen Ansätze entwickelt und untersucht werden, die auf Basis von Messdaten aus Realfahrversuchen und Versuchen im „Vehicle-in-the-Loop“ (ViL), Anomalien im Systemverhalten automatisiert erkennen. Wir bieten Einblicke in die virtuelle Gesamtfahrzeugentwicklung, moderne Daten-/ML-Pipelines und eine Zusammenarbeit mit erfahrenen Entwicklungsteams. Weitere thematische Ausdetaillierungen erfolgen in Zusammenarbeit mit der betreuenden Hochschule/Universität.
Wir wollen die Mobilität von morgen nachhaltig revolutionieren und gestalten. Hierfür suchen wir Talente, die bereit sind, mit uns völlig neue Wege zu gehen und dabei keine Angst haben, auch mal Fehler zu machen. Wir suchen Persönlichkeiten, die Außergewöhnliches auf die Beine stellen wollen. Und Talente, die an die Innovationskraft großer Ideen glauben. Sind Sie dabei?
Mögliche Aufgaben dieser Rolle
- Recherchieren von Literatur zu relevanten Ansätzen, Methoden & Tools
- Simulieren aussagefähiger Eigenschaften des ESC-Systems inklusive Aufbau der ViL-Simulationsumgebung und Identifizieren von Bewertungskriterien
- Aufbereiten, Segmentieren und Annotieren von Messdaten
- Entwickeln und Umsetzen von Ansätzen zur automatisierten Anomalieerkennung
- Methodisches Evaluieren der entwickelten Ansätze unter variierenden Testrandbedingungen und Ergebnisdokumentation
Anforderungen an die Qualifikation
- Studierende (Master) der Fahrzeugtechnik, Informatik, Data Science, Elektrotechnik, Mechatronik oder vergleichbare Studiengänge
- Gute Kenntnisse in Statistik und Signalverarbeitung und praktische Erfahrung im Bereich mit KI bzw. ML
- Gute Programmierkenntnisse in Matlab (+ Simulink von Vorteil), Python & ML-Bibliotheken; Grundlagenwissen in der Softwareentwicklung
- Grundkenntnisse zu Fahrdynamik von Vorteil; erste praktische Erfahrung mit IPG Carmaker, Interesse an Prüfstand/Simulation
- Deutsch und Englisch Sprachniveau B2
