Aufgaben
ÜBER UNS
Bei Daimler Truck verändern wir das Transportwesen von heute und erzielen gemeinsam echte Wirkung. Wir übernehmen weltweit Verantwortung und arbeiten als ein globales Team zusammen. Wir treiben unseren Fortschritt und Erfolg gemeinsam voran – jede:r bei Daimler Truck macht den Unterschied.
Gemeinsam wollen wir unseren CO2-Fußabdruck reduzieren, die Sicherheit auf und abseits der Straße erhöhen, intelligentere Technologien und attraktive Finanzlösungen entwickeln. All dies ist unerlässlich, um unser Ziel zu erreichen – für alle, die die Welt bewegen.
Werde Teil unseres globalen Teams: Du machst den Unterschied – YOU MAKE US
Der Bereich Customer Services & Parts verantwortet das weltweite Service- und Teilegeschäft für Mercedes-Benz Trucks. Innerhalb des Bereichs ist unsere Abteilung für den internationalen Pannendienst "Service24H" verantwortlich und sorgt mit klar definierten Prozessen sowie der Steuerung externer Dienstleister für schnelle Hilfe in zahlreichen Ländern. Das Team Planning und Analytics ist innerhalb der Abteilung verantwortlich für die Definition, Erhebung und Analyse aller relevanten Kennzahlen, die im Rahmen des End-to-End Prozesses herangezogen werden. Sie dienen als wichtige Einflussgröße für das Tagesgeschäft der Abteilung in der Steuerung der Dienstleister:innen und Märkte, der Erhebung der Qualität der After-Sales Services und des Supports von Kund:innen sowie der strategischen Ausrichtung der Abteilung und After-Sales Dienstleistungen.
Im Rahmen dieser Abschlussarbeit soll die Effizienz des Dispatch-Prozesses analysiert werden. Der Dispatch-Prozess ist ein Teilprozess des Service24h, der die Fallaufnahme durch einen Telefonagenten, die Prüfung notwendiger Zahlungsgarantien sowie die Zuweisung an eine nahegelegene Werkstatt beinhaltet. Ziel der Abschlussarbeit ist es, mittels moderner Unsupervised-Learning-Ansätze (insbesondere Clustering und Dimensionalitätsreduktion) die Ursachen und Verantwortlichkeiten für überdurchschnittlich lange Bearbeitungszeiten zu identifizieren. Im Fokus stehen dabei insbesondere sogenannte "Langläufer", also Fälle, bei denen die Zeitspanne zwischen Fallaufnahme und Dispatch deutlich über dem Durchschnitt liegt.
Dazu soll die vorhandene Datenbasis strukturiert aufbereitet und hinsichtlich relevanter Merkmale optimiert werden. Verschiedene Algorithmen des Unsupervised Learnings werden getestet und die Ergebnisse anhand definierter Metriken sowie im Vergleich zu manuellen Analyseverfahren und bestehenden Modellen bewertet. Die Arbeit schließt die kontinuierliche Verbesserung der Feature-Engineering-Strategie ein. Außerdem werden die Resultate kritisch im Hinblick auf ihren praktischen Nutzen für die Serviceoptimierung betrachtet.
DAS ERWARTET DICH
Analyse, Vorverarbeitung und Optimierung von Fall- und Prozessdaten aus CRM-Systemen
Entwicklung und Implementierung von Methoden des Unsupervised Learnings zur Muster- und Clustererkennung
Systematische Evaluation unterschiedlicher Feature-Sets und Algorithmen
Vergleich und Bewertung der Ergebnisse gegenüber manuellen Analysen und bestehenden (supervised) Machine Learning-Modellen
Dokumentation der Vorgehensweise, Ergebnisse und Handlungsempfehlungen
Präsentation der Erkenntnisse vor internen Stakeholdern und ggf. Unterstützung bei der Ableitung von Verbesserungsmaßnahmen
WIR BIETEN DIR
Eine spannende und abwechslungsreiche Tätigkeit in einem dynamischen Umfeld
Die Möglichkeit, eigenverantwortlich an Projekten mitzuwirken und deine Ideen einzubringen
Eine attraktive Vergütung und flexible Arbeitszeiten
Einblicke in die Arbeitswelt eines führenden Unternehmens der Nutzfahrzeugbranche
Teilnahme und Mitwirkung an spannenden Austausch- und Netzwerkeformaten des standortübergreifenden Students @ Daimler Truck Netzwerkes
Qualifikationen
DAS BRINGST DU MIT
Du befindest dich in einem laufenden Studium im Bereich Informatik, Data Science, Data Analytics, Mathematik, Wirtschaftsinformatik, Ingenieurwesen oder vergleichbar
Du verfügst über einen sicheren Umgang mit Python, Databricks sowie gängigen Machine Learning und Data Science Libraries (z. B. scikit-learn, pandas, NumPy)
Du hast Kenntnisse im Bereich Machine Learning
Sehr gute Deutsch- und Englischkenntnisse
Idealerweise hast Du Erfahrung in der Datenaufbereitung, -analyse und Feature Engineering
Du hast ein gutes Gespür für Daten, Prozesse und Business-Zusammenhänge
Du hast Erfahrungen in der Zusammenarbeit mit interdisziplinären Teams
Du arbeitest strukturiert, Lösungsorientierung und bringen gerne eigene Ideen ein
Zusätzliche Informationen:
Ganz ohne Formalitäten geht es natürlich auch bei uns nicht.
Bewirb Dich bitte ausschließlich online und füge Deiner Bewerbung einen Lebenslauf, aktuelle Immatrikulationsbescheinigung mit Angabe des Fachsemesters, aktuellen Notenspiegel, relevante Zeugnisse, Nachweis über die Regelstudienzeit und bei einem Pflicht- oder Kombinationspraktikum einen Pflichtpraktikumsnachweis (max. Gesamtgröße der Anhänge 5 MB) bei.
Bitte habe Verständnis dafür, dass wir keine Papierbewerbungen mehr entgegennehmen und es keinen Anspruch auf Rückversand gibt.
Weiterführende Informationen zu den Einstellkriterien findest Du hier
Angehörige von Staaten außerhalb des europäischen Wirtschaftsraums schicken ggf. bitte ihre Aufenthalts-/Arbeitsgenehmigung mit.
Wir freuen uns insbesondere über Onlinebewerbungen schwerbehinderter und ihnen gleichgestellter behinderter Menschen.
Bei Fragen kannst Du Dich unter sbv-zentrale- zudem an die Schwerbehindertenvertretung des Standorts wenden, die Dich gerne nach Deiner Bewerbung im weiteren Bewerbungsprozess unterstützt.
Fragen zum Bewerbungsprozess beantwortet Dir gerne HR Services per Mail: hr-
Studierende und Absolventen
Von der Theorie in die Praxis bei Daimler Truck. Entdecke in jeder Phase deiner akademischen Karriere die Transportindustrie.