Student*in für Masterarbeit "Regenerierung hochauflösender Fahrprofile mittels Generative AI" (m/w/d)

Kurzüberblick

• Standort: …
• Arbeitsmodell: …
• Anstellungsart: …

Aufgaben

• Forschung: Literaturrecherche zu State-of-the-Art Methoden im Bereich Time-Series Generation & Super-Resolution (z. B. GANs, Diffusion Models, VAEs)

• Data Engineering & Preprocessing: Aufbau einer Training-Pipeline mittels SQL und Python - Du nutzt hochfrequente Messdaten aus Erprobungsfahrten als "Ground Truth" und simulierst daraus durch Downsampling das spärliche Telematik-Format. Dabei integrierst Du wichtige Kontextinformationen (z. B. ADAS-Signale, Verkehrsschilder, Topologie) als Conditional Inputs.

• Modellierung: Entwicklung und Training eines Generative-AI-Modells, das lernt, aus den simulierten, groben Telematik-Signalen wieder realistische, hochfrequente Geschwindigkeits- und Lastprofile zu rekonstruieren

• Validierung: Evaluierung der Modellgüte anhand Test-Sets. Du vergleichst die generierten Profile mit den originalen Messdaten hinsichtlich statistischer Genauigkeit und physikalischer Plausibilität

Anforderungen

• Studium: Masterstudium im Bereich Informatik, Mathematik, Maschinenbau, Fahrzeugtechnik, Elektrotechnik oder vergleichbar

• Programmierkenntnisse: Sehr gute Kenntnisse in Python und Erfahrung mit Deep Learning Frameworks (PyTorch oder TensorFlow)

• Datenbanken: Solide Kenntnisse in SQL und Erfahrung im Umgang mit Time-Series Daten

• Know-how: Erste Erfahrungen mit Generativen Modellen (GANs, Diffusion) oder Time-Series Analyse (LSTM, Transformer) sind ein großes Plus

• Sprache: Gute Deutsch- oder gute Englischkenntnisse

Benefits

• Einblicke in die neueste Fahrzeugtechnologie und Zugriff auf exklusive Telematik-Datensätze

• Enge Betreuung im Rahmen eines laufenden Promotionsprojekts

• Die Möglichkeit, mit Deiner Arbeit direkten Einfluss auf zukünftige Entwicklungsstrategien zu nehmen