Masterarbeit KI-gestützter Testprozess zur Effizienzsteigerung von SiL-Tests mit virtuellen Steuergeräten
Masterarbeit KI-gestützter Testprozess zur Effizienzsteigerung von SiL-Tests mit virtuellen Steuergeräten
Masterarbeit KI-gestützter Testprozess zur Effizienzsteigerung von SiL-Tests mit virtuellen Steuergeräten
Masterarbeit KI-gestützter Testprozess zur Effizienzsteigerung von SiL-Tests mit virtuellen Steuergeräten
Dr. Ing. h.c. F. Porsche AG
Automobile und Zweiräder
Mönsheim
- Art der Beschäftigung: Studierende
- Vor Ort
Masterarbeit KI-gestützter Testprozess zur Effizienzsteigerung von SiL-Tests mit virtuellen Steuergeräten
Über diesen Job
Aufgaben Aufgaben
In der Masterarbeit wird auf die folgende zwei Forschungsfragen eingegangen:
RQ1: Wie können KI-Methoden zur automatisierten Testfallgenerierung und -Priorisierung in SiL-Testprozessen mit virtuellen Steuergeräten eingesetzt werden, um die Testeffizienz zu steigern?
RQ2: Welche Auswirkungen hat die Integration eines KI-gestützten Testprozesses auf die Testabdeckung, Ausführungszeit und Fehlererkennungsrate im Vergleich zu konventionellen SiL-Teststrategien?
Methodik:
Zur Beantwortung von RQ1 wird eine Kombination aus Design Science Research (Problemidentifikation, Artefakt-Design, Implementierung) und experimenteller Evaluation (Datengrundlage, Vergleichsszenarien, Metriken, statistische Auswertung) verwendet.
Zur Beantwortung von RQ2 werden eine Vergleichsstudie (Vergleich zwischen konventionellem SiL-Testprozess und KI-gestütztem Prozess, Definition der Metriken) sowie eine statistische Auswertung (Berechnung von Mittelwerten, Standardabweichungen, Signifikanztests, Visualisierung) durchgeführt.
Rechercheaufgaben:
- Analyse bestehender Testprozesse und -frameworks für SiL mit V-ECUs
- Identifikation von Effizienzpotenzialen und Schwachstellen
- Entwicklung eines Konzeptes für KI-gestützte Testoptimierung (Testfall-Priorisierung und Auswahl, Vorhersage des SW-Reifegrads, Anomalie Erkennung in Testdaten)
- Implementierung eines Prototyps (z. B. mit Python, ML-Frameworks)
- Evaluation anhand realer Testdaten (KPIs: Testabdeckung, Laufzeit, Fehlerquote)
- Dokumentation und Präsentation der Ergebnisse
Anforderungen Anforderungen
Studiengänge:
- Informatik, Elektrotechnik, Data Science, Fahrzeugtechnik oder vergleichbar
Studienschwerpunkte:
- Künstliche Intelligenz, Machine Learning, Software-Engineering
Fachkenntnisse:
- Kenntnisse in Softwaretest und Testautomatisierung
- Erste Erfahrungen mit Software-in-the-Loop-Umgebungen (von Vorteil)
- Kenntnisse in Automotive-Standards (z. B. ISO 26262, ASPICE) (von Vorteil)
IT-Kenntnisse:
- Programmierkenntnisse (Python), Grundlage der Künstliche Intelligenz und Machine Learning, Datenanalyse und Datenverarbeitung
Sprachkenntnisse:
- Sehr gute Deutsch- und Englischkenntnisse
Soft Skills:
- Analytisches Denken, Hohe Eigeninitiative sowie selbstständige und strukturierte Arbeit, Lernbereitschaft
