Arbeitsumfeld

Im Rahmen eines interdisziplinären Forschungsprojekts untersuchen wir das Potenzial von Visual Language Models (VLMs) für den Einsatz in automatisierten Fahrsystemen. Während VLMs bereits beeindruckende Fähigkeiten in der semantischen Szeneninterpretation zeigen, fehlt es ihnen bislang an einem tiefgreifenden Verständnis für fahrdynamische Zusammenhänge und die physikalisch-realistische Steuerung von Fahrzeugen im Straßenverkehr. Ziel der Promotion ist es, ein VLM-basiertes Fahrsystem gezielt um fahrdynamisches Wissen zu erweitern. Dabei soll zunächst analysiert werden, in welchen Bereichen aktuelle Modelle Defizite aufweisen. Darauf aufbauend sollen Methoden entwickelt werden, um diese Lücken zu schließen – etwa durch gezielte Trainingsdaten, hybride Modellarchitekturen oder durch die Integration physikalischer Modelle. Sie möchten die Zukunft des automatisierten Fahrens mitgestalten und KI-Systeme auf das nächste Level bringen? Dann bewerben Sie sich jetzt und werden Sie Teil unseres engagierten Forschungsteams!

Mögliche Aufgaben dieser Rolle

• Analysieren der fahrdynamischen Fähigkeiten bestehender VLM-basierter Fahrsysteme
• Entwickeln von Benchmarks zur Bewertung physikalisch realistischer Fahrzeugsteuerung
• Integrieren von Fahrdynamikmodellen in multimodale KI-Systeme
• Feinabstimmen großer Sprachmodelle auf domänenspezifische Anforderungen
• Evaluieren mittels Simulation und Übertragen in reale Fahrszenarien

Das endgültige Promotionsthema wird mit der Professorin / dem Professor gemeinsam definiert. Die Voraussetzung für die Zusammenarbeit ist die Betreuungszusage sowie eine bestätigte Themenabgrenzung seitens der Professorin / des Professors einer promotionsberechtigten Universität oder Forschungseinrichtung.

Anforderungen an die Qualifikation

• Gut bis sehr gut abgeschlossenes Hochschulstudium (Master oder Diplom) mit Promotionsberechtigung in Informatik, Robotik, Maschinenbau, Elektrotechnik, Kognitionswissenschaft oder einem verwandten Fachgebiet
• Fundierte Kenntnisse in mindestens einem der folgenden Bereiche: Maschinelles Lernen, Computer Vision, Fahrzeugtechnik, Steuerungs- und Regelungstechnik
• Erfahrung mit Deep Learning Frameworks (z. B. PyTorch, TensorFlow)
• Gute Kenntnisse in Programmiersprachen (Python)
• Interesse an interdisziplinärer Forschung und komplexen technischen Systemen
• Englisch Sprachniveau B1

Keywords

Dissertation, Generative KI, End-to-End KI, Foundation Models