* Entwicklung eines KI‑gestützten Analyse‑ und Assistenzsystems zur Interpretation von Fahrkomfort‑Messungen
* Automatisierte Einordnung neuer Mess‑ und Simulationsdaten anhand historischer Datenbestände
* Ableitung von Zusammenhängen zwischen objektiven Kenngrößen und subjektiver Bewertung
* Anomalie‑ und Mustererkennung zur Qualitäts- und Plausibilitätsbewertung von Messdaten Einarbeitung in die Grundlagen des Schwingungskomforts und Rollgeräuschs
* Analyse bestehender Mess-, Simulations- und Ergebnisdaten (z. B. Daten im Zeit- und Frequenzbereich, Kennwerte)
* Aufbereitung großer Datenmengen (Datenstrukturierung, Feature Engineering)
* Auswahl, Implementierung und Bewertung geeigneter statistischer Verfahren & Machine‑Learning‑Modelle
* Validierung & Dokumentation der Methode
Studiengänge:
* Ingenieurwissenschaften, Physik, Mathematik, Data Science oder Informatik
Studienschwerpunkte:
* Vertiefung DataScience, MachineLearning, DataEngineer
IT-Kenntnisse:
* Kenntnisse in ML / Python - Programmierung erforderlich
* Kenntnisse in Databricks, CoPilot Studio-Connectoren & PowerBI wünschenswert
Sprachkenntnisse:
* Deutsch, Englisch
Soft Skills:
* Eigenständiges Arbeiten und Motivation, sich in neue Themen einzuarbeiten