Abschlussarbeit Im Bereich Diagnose Ab September

**Aufgaben**: Heutzutage sind Softwaresysteme im IT-Umfeld stark vernetzt und verteilt aufgebaut. Zur Überwachung dieser Softwaresysteme werden unter anderem Log-Daten eingesetzt und beispielsweise auf Anomalien hin analysiert. Dadurch das in Fahrzeuge derzeit immer mehr Software integriert wird und dort Fehler auftreten können, gilt es die Software vermehrt zu überwachen. Hierbei sind Log-Daten eine Möglichkeit. Allerdings sind die Speicherressourcen im Fahrzeug beschränkt, sodass möglichst effizient Log-Daten geschrieben werden sollten. In dieser Arbeit soll untersucht werden, inwieweit Algorithmen zur Analyse von Log-Daten für eine frühzeitige Fehlererkennung und die Anpassung der Log-Daten Aufzeichnung innerhalb des automotive Bereich einsetzbar sind. Zukünftig werden die Fahrzeuge vornehmlich Remote betreut (Softwareupdates / Fehleranalyse / Remote Access). Die klassische Fahrzeugdiagnose in der Werkstatt wird dabei durch ein Cloud-basiertes Diagnosesystem ersetzt. Unser Team leistet einen zentralen Beitrag um die für das System notwendigen APIs OnBoard-seitig zur Verfügung zu stellen. In diesem komplexen Umfeld ergeben sich zahlreiche neue Aufgaben und Herausforderungen. Diese Herausforderungen kommen u. a. auf Sie zu: - Literaturrecherche und Erarbeitung des Stands der Forschung und Technik zu künstlicher Intelligenz (KI) Algorithmen zur Auswertung von Log-Daten unter anderem speziell für die Diagnose im automotive Bereich und zu Auslösemechanismen, wie beispielsweise Trigger oder bestimmte Beanstandungen, auf die diese Log-Daten analysiert werden könnenAnalyse und Auswahl von geeigneten KI-Algorithmen sowie Auslösemechanismen, die eingesetzt werden können für die frühzeitige Erkennung von Fehlern / Anomalien in Log-DatenUntersuchung von Ansätzen, wie das Logging konfiguriert werden kann und sich automatisch die geloggte Datenmenge eingrenzen lässt auf Basis der Ergebnisse eines KI-AlgorithmusKonzeptentwicklung zur Analyse von Log-Daten mit automatisierter Feedbackschleife und effizienter Anpassung der Log-Daten Aufzeichnung, beispielsweise über Logging Konfigurationen, zur Eingrenzung der geloggten DatenmengenPrototypische Implementierung des Konzepts für Applikationen im automotive BereichEvaluierung des Konzepts und des eingesetzten Algorithmus Die endgültige Themenfindung erfolgt in Absprache mit der Hochschule, Ihnen und uns. **Qualifikationen**: - Studium im Bereich Informatik, Wirtschaftsinformatik, Künstliche Intelligenz oder ein vergleichbarer MasterstudiengangKenntnisse und Erfahrungen im Bereich Künstlicher Intelligenz und Machine LearningKenntnisse und Erfahrungen mit Observability (Logging, Metriken, Traces) bzw. Monitoring von AnwendungenFortgeschrittene Programmierkenntnisse mit einer oder mehreren Programmier-sprachen, z.B. Python, Java, - Sicherer Umgang mit MS-OfficeSehr gute Deutsch - und Englischkenntnisse in Wort und SchriftAnalytisches Denken und strukturierte ArbeitsweiseKommunikationsstärke, Eigeninitiative und Verantwortungsbewusstsein Zusätzliche Informationen: Ganz ohne Formalitäten geht es natürlich auch bei uns nicht. Bewerben Sie sich bitte ausschließlich online und fügen Sie der Bewerbung einen Lebenslauf, aktuelle Immatrikulationsbescheinigung mit Angabe des Fachsemesters, aktuellen Notenspiegel, relevante Zeugnisse (max. Gesamtgröße der Anhänge 5 MB) bei und markieren Sie im Online-Formular Deine Bewerbungsunterlagen als "relevant für diese Bewerbung". Weiterführende Informationen zu den Einstellkriterien finden Sie " hier ". Angehörige von Staaten außerhalb des europäischen Wirtschaftsraums schicken ggf. bitte ihre Aufenthalts-/Arbeitsgenehmigung mit. Bitte haben Sie Verständnis dafür, dass wir keine Papierbewerbungen mehr entgegennehmen und es keinen Anspruch auf Rückversand gibt. Fragen zur Stelle beantwortet Ihnen gerne Dr. Michael Hahn aus dem Fachbereich, unter der Telefonnummer +49 176 309 09 224.