Masterarbeit: Sicherheitsbewertung von Designoptionen für autonome Fahrzeuge

Aktuell als zukunftsfest betrachtete Designs für Fahrzeuge für autonomes Fahren bis Level 5 und diskutierte zukünftiger Designs mit Schwerpunkten Softwaremodule einschl. externer Ressourcen (Cloud-Computing) sowie der Verwendung von Methoden der künstlichen Intelligenz (KI) im Fahrzeug sollen mit Hilfe geeigneter Metriken auf Systemebene bzgl. Sicherheit verglichen werden. Insbesondere soll die Frage adressiert werden ob es vorteilhaft sein kann, dass Fahrrouten geträumt werden im Sinne von Generative Adversarial Network (GAN) Algorithmen, die eingehegt werden durch gestaffelte intelligente Sicherheitsfunktionalitäten bzw. Agenten die z.B. den Schutz von Personen und das Einhalten von Verkehrsregeln geeignet priorisiert berücksichtigen.

• Literaturrecherche zur Architektur von (zukünftigen) autonomen nachhaltigen Fahrzeugen (z.B. EV) einschl. Identifikation von unabhängigen Funktionalitäten bzw. Teilaufgaben auf Systemebene
• Systems Modelling Language (SysML) Modell der Struktur und des Verhaltens einschl. Identifikation der zugrunde liegenden Hardware (z.B. Sensorik, Aktuatoren, Kommunikationsmodule) und Software (z.B. Protokolle, Datenfusion, Lagebildgenerierung, Vorhersage, Routenplanung, Fahrentscheidung, Notfallprogramme)
• Für zwei bis drei zukunftsweisende mögliche Designs (u.a. mit GAN) Identifikation von Teilfunktionen, ihren Hierarchien und den entstehenden Optimierungs- und Minimierungsaufgaben
• Entwicklung und Anwendung einer Bewertungsmetrik zur Bewertung der erreichbaren Sicherheit, z.B. bzgl. klarer Trennung von Aufgaben, bereits vorhandenen Lösungen, Umsetzbarkeit, Verstehbarkeit, Modularisierbarkeit, Zertifizierbarkeit
• Darstellung der Vorgehensweise, Bewertung der Güte der Aussage und Bewertung der praktischen Umsetzbarkeit des besten Designs im Bereich Automotive

Was Sie mitbringen

• Sie absolvieren ein wissenschaftliches Hochschulstudium (Master, Diplom, evtl. auch Bachelor) in den angewandten Ingenieur- oder Naturwissenschaften, oder in einem vergleichbaren MINT-Studiengang
• Sie verfügen über solide Grundlagen im Bereich Maschinelles Lernen und Künstliche Intelligenz
• Sie haben erste Erfahrungen in der Umsetzung von selbstlernenden Algorithmen und der Verwendung von einschlägigen Programmiersprachen, Bibliotheken, Speicherplatzmanagement und Entwicklungsumgebungen, z.B. Python, C++, Java, TensorFlow, PyTorch, Github, Cortx, OpenIO, MinIO, OpenCV, ONNX, MXNet, OpenCV
• Von Vorteil wären Kenntnisse in Systemmodellierung oder in Schlüsseltechnologien mit Relevanz für das Autonome Fahren
• Mit Ihrer selbstständigen und strukturierten Arbeitsweise bereichern Sie das interdisziplinäre Team unserer Abteilung

Was Sie erwarten können

• Sehr gute Betreuung durch erfahrene Wissenschaftler*innen, die Sie bei Ihrer Arbeit unterstützen.
• Interdisziplinäre Zusammenarbeit mit Kolleg*innen aus verschiedenen Fachgebieten.
• Sehr gutes Betriebsklima in einem hochmodernen Arbeitsumfeld das mit den neuesten Technologien und Ressourcen ausgestattet ist.
• Möglichkeit an wegweisenden Forschungsprojekten teilzunehmen.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität.  Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Die wöchentliche Arbeitszeit beträgt 39 Stunden.

Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenscha