Die Abteilung RD/VDS ist verantwortlich für die Betriebsfestigkeit Fahrwerk und führt u. a. den entsprechenden Nachweis zur Serienfreigabe durch. Entlang der Entwicklungsphase bis hin zur Serienfreigabe erstellen wir für das Gesamtfahrzeug Lastkollektivberechnungen und -messungen. Außerdem führen wir Festigkeitsberechnungen und -prüfungen, sowie Verschraubungsauslegungen und experimentelle Analysen für das Fahrwerk durch.

Wesentliche Grundlage für diese Aufgaben sind Belastungsmessungen in Entwicklungsfahrzeugen sowie die Kenntnis der zu erwartenden Belastungen in den weltweit im Einsatz befindlichen Kundenfahrzeugen. Die relevanten Belastungsgrößen können meist nicht direkt durch vorhandene Sensoren erfasst werden. Daher kommt in Entwicklungsfahrzeugen aufwendige Messtechnik zum Einsatz, um z. B. Bauteilkräfte oder Antriebsmomente zu messen. An nicht zugänglichen Stellen oder für Fahrzeuge ohne spezielle Messtechnik müssen die relevanten Größen hingegen abgeschätzt werden. Hierfür werden sogenannte virtuelle Sensoren verwendet, die auf Basis vorhandener Signale die Belastungen vorhersagen.

Derzeit erfolgt das Training virtueller Sensoren hauptsächlich durch die Minimierung von Zeitreihenabweichungen (bspw. durch mittleren quadratischen Fehler). Diese Methode vernachlässigt jedoch den späteren Anwendungszweck, nämlich die Schädigung- oder Belastungsvorhersage des Bauteils. Dies führt dazu, dass die Optimierung nicht direkt auf die tatsächlichen Anforderungen abgestimmt ist, was die Effizienz und Genauigkeit der Sensoren beeinträchtigen kann.

Diese Herausforderungen kommen u. a. auf Sie zu:

• Ziel dieser Masterarbeit ist die Entwicklung mathematisch differenzierbarer Methoden, um aktuelle Zählverfahren bzw. Schädigungsberechnungen explizit in den Optimierungsprozess der virtuellen Sensoren zu integrieren - dies umfasst sowohl die theoretische Entwicklung verschiedener Methoden als auch deren praktische Implementierung und Validierung innerhalb des bestehenden Code-Frameworks in Python

• Durch diese Ansätze soll eine verbesserte Anpassung der virtuellen Sensoren an reale Belastungsbedingungen erreicht werden, um deren Genauigkeit und Zuverlässigkeit zu steigern

Die Tätigkeit kann ab Dezember 2025 beginnen.

Bei Bedarf oder Interesse kann vorher ein Praktikum absolviert werden. Die endgültige Themenfindung erfolgt in Absprache mit der Hochschule, Ihnen und uns.

• Studiengang im Bereich der Informatik, Ingenieurwissenschaften, Mathematik oder Vergleichbares mit Bezug zu Machine Learning

• Große Begeisterung und Erfahrung für die Bereiche Numerik und Optimierung

• Erfahrung in der Python-Programmierung und relevanten Bibliotheken

• Hohe und kreative Problemlösekompetenz

• Spaß an wissenschaftlicher Arbeit

• Bonus: Kenntnisse in der Betriebsfestigkeit (Rainflow-Zählalgorithmus, Wöhlerlinie, etc.)

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 (SBV-Sindelfingen@mercedes-benz.com) unterstützt Sie gerne im Bewerbungsprozess.

HR Services hilft Ihnen bei Fragen zum Bewerbungsprozess gerne weiter. Sie erreichen uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).