Autonomes Fahren zählt zu den zentralen Zukunftsfeldern der Mobilität. Modulare Perzeptionsstacks, in denen Sensordaten über mehrere KI-basierte Verarbeitungsstufen (z. B. Objekterkennung, Tracking, Fusion) zu einem Umfeldmodell verarbeitet werden, bilden hierfür eine wichtige Grundlage. Damit solche Systeme sicher eingesetzt werden können, müssen die Unsicherheiten, die entlang dieser Wahrnehmungskette entstehen und sich fortpflanzen, modelliert und zur Laufzeit zuverlässig überwacht werden.
Am IPEK erforschen wir in der Gruppe Automated & Connected Mobility, wie sich Unsicherheiten in der Perzeption modellieren, propagieren und für die Laufzeitabsicherung nutzbar machen lassen. Im Rahmen des vom BMWK geförderten Forschungsprojekts CONTROL (https://control-projekt.de/) entwickeln wir gemeinsam mit rund 24 Partnern aus Industrie und Forschung Methoden und Architekturen für sichere, KI-basierte automatisierte Fahrsysteme.
Für diesen Forschungsschwerpunkt suchen wir eine engagierte wissenschaftliche Hilfskraft (HiWi), die uns bei der Modellierung und Propagation von Unsicherheiten unterstützt.
Kausalmodellierung: Unterstützung bei der Kausalmodellierung von Unsicherheiten bzw. wie sich Unsicherheiten im AD-Stack fortpflanzen.
Unsicherheitsquantifizierung: Unterstützung bei der Recherche und Auswahl von Methoden der Unsicherheitsquantifizierung von Machine-Learning Algorithmen
Unsicherheitsmodellierung: Modellierung und Analyse der Propagation von Unsicherheiten entlang der Stufen eines modularen AD-Stacks.
Modellentwicklung: Unterstützung bei der Auswahl einer Modellierungsmethode und prototypische Umsetzung eines Propagationsmodells.
Datenauswertung & Dokumentation: Analyse experimenteller und simulativer Daten, Visualisierung der Ergebnisse sowie Mitarbeit an Projektberichten oder wissenschaftlichen Veröffentlichungen.
Ausbildung: Du bist in einem ingenieur-, informatik- oder mathematiknahen Studiengang im Bachelor oder Master eingeschrieben.
Grundlagen: Grundlagen der Statistik und Wahrscheinlichkeitstheorie; Erste Programmierkenntnisse in Python; Interesse an maschinellem Lernen. Wünschenswert: Vorkenntnisse in autonomem Fahren.
Leistung: Überdurchschnittliche Studienleistungen.
Sprachen: Du kannst fließend Deutsch und/oder Englisch sprechen und dich auch schriftlich ausdrücken.
Typ: Selbstständige, strukturierte und motivierte Arbeitsweise.
Vergütung: HiWi-Stundensatz nach Tarif des Landes Baden-Württemberg für 20 bis 85 h/Monat.
Flexibilität: Verbinde Arbeit optimal mit deinem Studium durch flexible Arbeitszeiten vor Ort und remote.
Praktische Erfahrung: Du gewinnst wertvolle praktische Erfahrung, die nicht nur für deine akademische Entwicklung wichtig ist, sondern auch einen Pluspunkt in deinem Lebenslauf darstellt.
Forschungskompetenz: Lerne, wie wissenschaftliche Forschung durchgeführt wird. Das kann dir spätestens bei deiner Abschlussarbeit nützlich werden.
Netzwerkaufbau: Knüpfe Kontakte zu Wissenschaftlern, welche für zukünftige Karrieremöglichkeiten und Empfehlungen wichtig sind.
Mentoring: Dein Betreuer ist auch dein Mentor und bietet dir wertvolle Ratschläge und Strategien für dein Studium sowie deine wissenschaftliche Weiterentwicklung.
Interesse geweckt? Dann melde dich bei anian.scheibel kit.edu mit deinem aktuellen Notenauszug und Lebenslauf!
Schlagworte: KI, Künstliche Intelligenz, Autonomes Fahren, Modularer Stack, Unsicherheitsquantifizierung, Uncertainty Propagation, Kausalmodellierung, Bayes, Qualitätsmetriken, Safety Monitoring, Machine Learning, Python, Physical AI, Embodied AI
