Arbeitsumfeld

Im Bereich der Längs- und Querregelungsfunktionen werden unter anderem Funktionen zur Steigerung der Performance und der Fahrzeugstabilisierung entwickelt und auf die Bedürfnisse der Volkswagen Kundinnen und Kunden angepasst. Mit der steigenden Anzahl an innovativen Funktionen, steigt auch die Komplexität und Variantenvielfalt in der Intergration, Applikation und Verifikation der Funktionen. Zur Beherrschung der Komplexität sowie zur effizienten Enwicklung soll der Einsatz von Künstlicher Intelligenz (KI) in den verschiedenen Entwicklungsdomänen systematisch analysiert, bewertet und umgesetzt werden. Wir bieten Ihnen die Möglichkeit Erfahrungen im Rahmen einer Industriepromotion im Bereich Fahrwerkregelsysteme zu sammeln sowie gleichzeitig an hochrelevanten Themen der Automobilbranche zu arbeiten. Die Doktorandentätigkeit bietet einen spannenden Einblick in das Entwickeln von Fahrwerksregelfunktionen auf Basis künstlicher Intelligenz. In unserem Fachbereich haben Sie nicht nur die Möglichkeit, an bahnbrechenden Projekten mitzuwirken, sondern auch praktische Erfahrungen zu sammeln, während Sie mit dem neuesten Stand der Technik arbeiten. Werden Sie Teil eines Teams, das die Zukunft gestaltet – Innovationen in der Mobilität vorantreibt und einen echten Beitrag zur Verbesserung des Lebens leistet. Gemeinsam bauen wir schon heute an der Welt von morgen.

Mögliche Aufgaben dieser Rolle

• Entwickeln hybrider Machine-Learning-Methoden zur Bereitstellung einer Volkswagen typischen Fahrsteuerung für assistiertes und automatisiertes Fahren
• Berücksichtigen von Systemeinflüssen wie Variantenvielfalt, Alterung und Nutzung über die Laufzeit in adaptiven Fahrsteuerungssystemen mittels ML-Verfahren
• Bereitstellen und Auswerten von Daten aus Testfahrten und Flottenbetrieb zur virtuellen Systementwicklung
• Ermitteln von Potenzialen für die sichere KI-Integration in Fahrdynamikregelsysteme und Absichern neuronaler Netzausgaben in sicherheitskritischen Anwendungen
• Definieren einer robusten Toolkette und Algorithmik zur virtuellen Absicherung unter Berücksichtigung äußerer Einflüsse

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

• Guter bis sehr guter Hochschulabschluss mit Promotionsberechtigung und Studienschwerpunkt Regelungstechnik, Fahrzeugtechnik, Data Science, oder vergleichbaren Studiengängen 
• Gute Programmierkenntnisse in Python und Matlab
• Praktische Erfahrungen im Bereich Machine Learning, insbesondere Reinforcement Learning
• Praktische Erfahrungen mit der Auslegung von Reglern wie MPC
• Interesse am wissenschaftlichen Arbeiten und interdisziplinärer Zusammenarbeit
• Hohes Maß an persönlichem Engagement sowie Team- und Kommunikationsfähigkeit 
• Strukturierte und zuverlässige Arbeitsweise
• Deutsch und Englisch Sprachniveau B2

Keywords

Large Language Models, Small Language Models, VLAM, Dissertation