THEORETISCH DIE BESTE ENTSCHEIDUNG. PRAKTISCH AUCH.
TEILE DEINE LEIDENSCHAFT.
Nur hochprofessionelle Abläufe in dynamischen Teams produzieren innovative Spitzentechnologie. Aber Fahrfreude wird bei uns von der Entwicklung bis zur Fertigung vor allem auch mit Spaß an der Arbeit und Begeisterung für das gemeinsame Projekt realisiert. Deshalb geben wir Studierenden bei uns nicht nur die Gelegenheit zum Zuhören, sondern auch zum Mitreden und Weiterdenken.
Unser Team bei der BMW Group konzentriert sich auf innovative Antriebsstrangentwicklung und Fehlerdiagnostik. Wir analysieren umfangreiche Fahrzeugdaten, um Antriebsstrangkomponenten zu optimieren und moderne Diagnosemethoden zu entwickeln. In diesem Praktikum unterstützt du uns bei der Analyse vorhandener Bus-Trace-Datensätze, um statistisch relevante Signale zur Anomalieerkennung abzuleiten.
Was erwartet dich?
1. Du unterstützt bei der Recherche zu aktuellen datenanalytischen Methoden und Anomalieerkennung in automobilen Anwendungen.
2. Außerdem wirkst du mit bei der Methodenerarbeitung zur Interpretation von Analyseergebnissen und Herleitung statistisch relevanter Bus-Signale zur Unterstützung der Fehlerdiagnose im Antriebsstrang.
3. Darüber hinaus trägst du bei zur Anwendung und zum Vergleich traditioneller statistischer Methoden sowie moderner Machine-Learning-Algorithmen für diesen Anwendungsfall.
4. Zudem unterstützt du bei der Erstellung eines Software-basierten Tools zur Aufbereitung und Analyse vorhandener Zeitreihendaten aus Fahrzeug-Bussystemen zur Untersuchung von Fehlerwirkungen im Antriebsstrang.
5. Du begleitest zudem die eigenständige Bearbeitung von Aufgaben und erhältst regelmäßig Feedback von deinem Ansprechpartner.
Was bringst du mit?
6. Studium der Informatik, Data Science, Elektrotechnik, Maschinenbau oder vergleichbar.
7. Fundierte Kenntnisse in Datenanalyse, Signalverarbeitung und idealerweise Machine Learning.
8. Programmiererfahrung, vorzugsweise in Python.
9. Sicherer Umgang mit MS Office (Excel, Word, PowerPoint).
10. Interesse an Fahrzeugtechnik, Antriebsstrangkomponenten und statistischen Methoden.
11. Strukturierte Arbeitsweise und Teamfähigkeit.
12. Gute Deutsch- und Englischkenntnisse.