Tenneco ist eines der weltweit führenden Unternehmen in der Entwicklung, Herstellung und Vermarktung von Produkten für die Automobil- und Schienenfahrzeugbranche.
Im Geschäftsbereich Tenneco Braking wird eines der breitesten Portfolios an Reibmaterialien für Pkw, Nutzfahrzeuge, Schienengüter- und -personenverkehr, Industrie- sowie Motorsport angeboten. Die Produkte unterstützen Tier-1-Zulieferer und OEMs dabei, aktuelle und zukünftige Umweltanforderungen zu erfüllen.
Für den Standort Glinde (Schleswig-Holstein) wird ein/e Masterand (m/w/d) im Bereich Data, AI & Analytic gesucht. Der Beschäftiungsumfang umfasst 2 Monate Praktikum mit anschließender Masterarbeit über 6 Monate.
Aufgaben:
1. Analyse und Strukturierung von Versuchs- und Materialdaten (Rezepturen, Prozessparameter, Performancekennwerte)
2. Aufbau und Validierung von Regressionsmodellen (z. B. neuronale Netze, Random Forest, Gradient Boosting) zur Vorhersage von Reibwertverhalten.
3. Feature Engineering auf Basis von Materialzusammensetzung und Prozessparametern
4. Untersuchung von Generalisierungsfähigkeit und Extrapolation auf neue Rezepturen
5. Vergleich unterschiedlicher Modellansätze hinsichtlich Vorhersagegenauigkeit, Robustheit und Interpretierbarkeit
6. Identifikation relevanter Einflussgrößen mittels Feature Importance / Sensitivitätsanalysen
7. Dokumentation und Präsentation der Ergebnisse
8. Enge Abstimmung mit R&D-Ingenieuren zur Sicherstellung physikalischer Plausibilität
Qualifikation:
9. Masterstudium in Data Science, Mathematik, Ingenieurswissenschaft oder vergleichbar
10. Gute Kenntnisse in: Python ML Frameworks (z. B. scikit-learn, PyTorch oder TensorFlow), Datenanalyse (pandas, polars, NumPy)
11. Verständnis statistischer Modellierung und Regressionsverfahren
12. Grundkenntnisse in neuronalen Netzen und Overfitting-/Regularisierungskonzepten
13. Idealerweise Erfahrung mit: Zeitreihenanalyse, Materialdaten oder physikalischen Modellen, Feature Engineering in technischen Datensätzen
14. Strukturierte und selbstständige Arbeitsweise
15. Interesse an interdisziplinärer Arbeit zwischen Data Science und Materialentwicklung
16. Sehr gute Deutsch- oder Englischkenntnisse