Student*in für Masterarbeit Transfer Learning mit 3D Konstruktionsdaten

Life is always about becoming… Im Leben geht es darum, sich auf eine Reise zu begeben, um die beste Version unseres zukünftigen Selbst zu werden. Während wir Neues entdecken, stellen wir uns Herausforderungen, meistern sie und wachsen über uns hinaus.
Bewerben Sie sich bei Mercedes-Benz und finden Sie den Aufgabenbereich, in dem Sie Ihre Talente individuell entfalten können. Dabei werden Sie von visionären Kolleginnen und Kollegen unterstützt, die Ihren Pioniergeist teilen. Bei uns einzusteigen bedeutet, Teil eines globalen Teams zu werden, dessen Ziel es ist, die begehrenswertesten Automobile der Welt zu bauen. Together for excellence.
Stellennummer: MER0003TL9

Mercedes-Benz steht an der Spitze der Automobilindustrie und gestaltet aktiv die Zukunft der Mobilität. In der Forschungs- und Entwicklungsabteilung (R&D) von Mercedes-Benz Cars arbeiten wir an der nächsten Generation von Fahrzeugen und treiben Innovationen in jedem Bereich der Fahrzeugentwicklung voran. Durch die Nutzung großer Datenmengen und fortschrittlicher digitaler Methoden und KI-Modelle für CAx beschleunigen wir die Konstruktions- und Validierungszyklen für Fahrzeugkomponenten.

Industrielle KI-Anwendungen sind häufig durch den Mangel an gelabelten Daten eingeschränkt, die speziell auf bestimmte Aufgaben zugeschnitten sind. Dies begrenzt sowohl die Leistungsfähigkeit als auch die Generalisierbarkeit der Modelle. Im Gegensatz dazu entsteht im Lebenszyklus von CAD-Daten eine Fülle an Informationen, die jedoch größtenteils unbeschriftet oder nur für andere, aber verwandte Aufgaben relevant sind. Das Potenzial dieser bislang ungenutzten Ressource zu erschließen, ist entscheidend für den Fortschritt von KI-Technologien im industriellen Umfeld. Techniken wie Transferlernen und Domänenadaption haben sich als wirkungsvolle Ansätze erwiesen, um die Lücke zwischen gelabelten und ungelabelten bzw. domänenübergreifenden Daten zu überbrücken. Diese Methoden ermöglichen eine effektivere Wissensübertragung und Repräsentationslernen, insbesondere in anspruchsvollen Szenarien wie generativen 3D-Aufgaben, bei denen annotierte Datensätze für verschiedene Aufgaben besonders begrenzt sind.

Mögliche Aufgaben:

• Mitarbeit an der Entwicklung von Deep-Learning-Modellen für 3D-Objekte

• Entwicklung fortschrittlicher Transfer-Learning-Methoden im 3D-Bereich

• Untersuchung von Vor- und Nachverarbeitungstechniken für 3D-Geometrien

• Erfassung und Aufbereitung von Daten für den internen Datensatz

Die Tätigkeit kann ab Dezember 2025 beginnen.

• Studiengang im Bereich Informatik, Softwaretechnik oder einem verwandten Fachgebiet

• Sichere Deutsch- und Englischkenntnisse in Wort und Schrift

• Ausgeprägte Programmierkenntnisse (z. B. in Python)

• Erfahrung mit Deep-Learning-Frameworks (z. B. PyTorch, TensorFlow) und entsprechenden Projekten

• Wissen im Bereich 3D-Computer Vision

• Teamfähigkeit und eigenständige Arbeitsweise

Zusätzliche Informationen:

Wir freuen uns auf Ihre Online-Bewerbung mit Lebenslauf, Anschreiben, Zeugnissen, aktueller Immatrikulationsbescheinigung mit Angabe des Fachsemesters und Nachweis über die Regelstudienzeit. Bitte vergessen Sie nicht im Online-Formular Ihre Dokumente als "relevant für diese Bewerbung" zu markieren und die maximale Dateigröße von 5 MB zu beachten.

Weiterführende Informationen zu den Einstellkriterien finden Sie hier.

Schwerbehinderte und gleichgestellte Bewerbende sind herzlich willkommen! Die Schwerbehindertenvertretung ( ) unterstützt Sie gerne im Bewerbungsprozess.

HR Services hilft Ihnen bei Fragen zum Bewerbungsprozess gerne weiter. Sie erreichen uns per E-Mail über oder telefonisch unter 0711/ (Mo-Fr 10-12 Uhr & 13-15 Uhr).

• Essens­zulagen
• Mit­arbeiter­handy möglich
• Mit­arbeiter­rabatte möglich
• Mit­arbeiter­beteili­gung möglich
• Mit­arbeiter Events
• Coaching
• Flexible Arbeits­zeit möglich
• Hybrides Arbeiten möglich
• Gesund­heits­maß­nahmen
• Betrieb­liche Alters­ver­sorgung
• Mobilitäts­angebote

JBRP1_DE