In der Masterarbeit wird auf die folgende zwei Forschungsfragen eingegangen:

RQ1: Unter welchen Bedingungen können HiL-Testfälle auf SiL-Systemen ausgeführt werden?
RQ2: Welche KI-Modelle sind am besten geeignet, um die Qualität und Aussagekraft von HiL-Testfällen zu bewerten?

Methodik:
Um die RQ1 zu beantworten werden folgende Methoden genutzt: Literaturrecherche (Analyse bestehender Studien zu HiL- und SiL-Testumgebungen), Kategorisierung der HiL-Testfälle z.B. Hardware-abhängige Testfälle und Untersuchung, welche HiL-Testfälle ohne Hardware-Abhängigkeit direkt auf SiL übertragbar sind, Experimentelle Validierung und Bewertung durch Metriken.
Um die Forschungsfrage RQ2 zu beantworten, wird folgende Methodik genutzt: Datenerhebung, Modellauswahl und Training sowie Evaluierung anhand von Metriken.

Studiengänge:

• Informatik, Elektrotechnik, Data Science, Fahrzeugtechnik oder vergleichbar

Studienschwerpunkte:

• Künstliche Intelligenz, Machine Learning, Software Engineering

Fachkenntnisse:

• Automotive Software
• Erste Erfahrungen mit X-in-the-Loop-Simulationen sind von Vorteil
• Kenntnisse in Automotive-Standards (ISO 26262) sind von Vorteil

IT-Kenntnisse:

• Programmierkenntnisse (Python)
• Grundlagen der Künstlichen Intelligenz und Machine Learning
• Datenanalyse und Datenverarbeitung

Sprachkenntnisse:

• Sehr gute Deutsch- und Englischkenntnisse

Soft Skills:

• Analytisches Denken, Selbstorganisation, Lernbereitschaft