KI-basierte Objekterkennung ist ein zentraler Bestandteil von Wahrnehmungssystemen beim automatisierten Fahren. Da diese KI-Modelle nur auf begrenzten Datensätzen trainiert werden, können sie in realen Szenarien auf unbekannte Objekte oder Situationen (Out-of Distribution, OOD) treffen. Die Detektion solcher OOD-Eingaben ist ein wichtiger Baustein für die Sicherheitsargumentation automatisierter Systeme, da sie hilft, unsichere Modellvorhersagen zu erkennen und potenzielle Degradations-Manöver einzuleiten. In dieser Arbeit sollen verschiedene OOD-Methoden recherchiert, implementiert und am Anwendungsbeispiel der Objekterkennung untersucht werden. 

Diese Herausforderungen kommen auf Sie zu:

• Recherche und Analyse aktueller wissenschaftlicher Arbeiten zu Out-of-Distribution (OOD) Detektion am Anwendungsbeispiel der Objekterkennung 
• Identifikation geeigneter OOD-Methoden und Algorithmen für bestehende Objekt-Erkennungsmodelle 
• Implementierung ausgewählter OOD-Algorithmen und Integration in eine bestehende Objekterkennungs-Pipeline 
• Durchführung von Experimenten zur Evaluation der Methoden auf geeigneten Datensätzen 
• Vergleich und Analyse der Ergebnisse hinsichtlich Detektionsleistung und Rechenaufwand 
• Dokumentation der Ergebnisse sowie Ableitung von Empfehlungen für den praktischen Einsatz 

Die endgültige Themenfindung erfolgt in Absprache mit der Hochschule, Ihnen und uns.

Die Tätigkeit kann ab Juli 2026 beginnen.

Qualifikationen

• Eingeschriebene*r Student*in im Bereich der der Ingenieurwissenschaften, Informatik, Mathematik oder Vergleichbares 
• Programmierkenntnisse in Python 
• Grundkenntnisse im Bereich Machine Learning und Deep Learning, idealerweise mit Fokus auf Computer Vision 

• Sichere Deutsch- und Englischkenntnisse in Wort und Schrift

• Engagement und Teamfähigkeit

• Analytische Denkweise und strategische Arbeitsweise

Zusätzliche Informationen:

Wir freuen uns auf Ihre Online-Bewerbung mit Lebenslauf, Anschreiben, Zeugnissen,  aktueller Immatrikulationsbescheinigung mit Angabe des Fachsemesters und Nachweis über die Regelstudienzeit. Bitte vergessen Sie nicht im Online-Formular Ihre Dokumente als "relevant für diese Bewerbung" zu markieren und die maximale Dateigröße von 5 MB zu beachten.

Weiterführende Informationen zu den Einstellkriterien finden Sie hier.

Schwerbehinderte und gleichgestellte Bewerbende sind herzlich willkommen! Die Schwerbehindertenvertretung (sbv-sindelfingen@mercedes-benz.com) unterstützt Sie gerne im Bewerbungsprozess.

HR Services hilft Ihnen bei Fragen zum Bewerbungsprozess gerne weiter. Sie erreichen uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).

Benefits Essens­zulagen Mit­arbeiter­handy möglich Mit­arbeiter­rabatte möglich Mit­arbeiter­beteili­gung möglich Mit­arbeiter Events Coaching Flexible Arbeits­zeit möglich Hybrides Arbeiten möglich Gesund­heits­maß­nahmen Betrieb­liche Alters­ver­sorgung Mobilitäts­angebote Park­platz Betriebs­arzt Gute An­bindung Barriere­frei­heit Kinder­betreuung Kantine, Café KontaktMercedes-Benz AGHanns-Klemm-Str. 4571034 BöblingenDetails zum StandortMichael Langer E-Mail: michael.langer@mercedes-benz.com Bewerben