Im Team Design Engineering, Umform- und Fügetechnik Achsen gestalten wir die Fertigungstechnologien, die die Produktion kommender Fahrzeuggenerationen prägen werden. Unser Schwerpunkt liegt auf modernen Bahn- und Lichtbogenschweißprozessen für Fahrwerks- und Strukturkomponenten – mit dem Ziel, Qualität, Effizienz und Flexibilität in der Produktion kontinuierlich zu steigern. In enger Zusammenarbeit mit den produzierenden Bereichen entwickeln wir neue Technologien von der ersten Idee bis zur robusten Serienanwendung und treiben so messbare Fortschritte in der Fertigung voran.


 

Im Bereich der automatisierten Schweißnahtprüfung befassen wir uns aktuell mit der Frage, wie sich Bilddaten mithilfe moderner Verfahren der Bildverarbeitung und künstlichen Intelligenz für eine zuverlässige Qualitätsbewertung nutzen lassen. Ziel ist es, charakteristische Merkmale von Schweißnähten automatisiert zu erkennen und daraus eine fundierte IO-/NIO-Klassifikation abzuleiten.

In unserem Projekt arbeitest Du an einer praxisnahen Fragestellung an der Schnittstelle von Produktion, Bildverarbeitung und künstlicher Intelligenz. Für die Analyse stehen hochauflösende Aufnahmen von Schweißnähten und Bauteilen aus realen Fertigungsprozessen zur Verfügung. Die relevanten Bildbereiche werden bereits automatisiert aus Produktionsdaten extrahiert und aufbereitet.

Auf dieser Grundlage soll ein neuronales Netzwerk entwickelt werden, das Auffälligkeiten in den Bilddaten erkennt und eine zuverlässige Qualitätsbewertung ermöglicht. Ziel ist die Entwicklung eines ersten KI-Prototyps, der das Potenzial datengetriebener Assistenzsysteme für zukünftige Fertigungsprozesse aufzeigt.


 

Deine Aufgaben umfassen:

• Einarbeitung in industrielle Bildverarbeitung, automatisierte Schweißnahtinspektion sowie maschinelles Lernen und neuronale Netze

• Analyse, Aufbereitung und Bewertung vorhandener Bilddaten von Schweißnähten und Bauteilen

• Zusammenführung von Bilddaten und zugehörigen IO-/NIO-Bewertungen als Grundlage für das Modelltraining

• Erstellung geeigneter Trainings-, Validierungs- und Testdatensätze

• Entwicklung, Training und Vergleich verschiedener Computer-Vision- und Deep-Learning-Modelle

• Entwicklung von Konzepten zur Verbesserung der Modellrobustheit

• Bewertung und Validierung der Modelle anhand geeigneter Kennzahlen sowie Analyse von Fehlklassifikationen

• Visualisierung, Interpretation und Dokumentation der Ergebnisse sowie Ableitung von Empfehlungen für einen späteren Serieneinsatz

Die Tätigkeit kann ab Oktober 2026 beginnen.

Die endgültige Themenfindung und –Definition erfolgt in Absprache mit Dir und uns zum Praktikumsstart.

• Studiengang: Informatik, Maschinenbau, Wirtschaftsingenieurwesen, Data Science oder ein vergleichbarer Studiengang

• Sprachkenntnisse: Sichere Deutsch- und Englischkenntnisse in Wort und Schrift

• IT-Kenntnisse: Sicherer Umgang mit MS Office und Python (oder vergleichbar)

• Persönliche Kompetenzen: Engagement, Teamfähigkeit, Kommunikationsfähigkeit, hohe analytische & konzeptionelle Denkweise, selbstständige Arbeitsweise

• Sonstige Kenntnisse: Spaß und Interesse an Data Science (Statistik, Machine Learning)

Bitte beachte, dass Dein Praktikum an diesem Standort einen vorgeschriebenen Pflichtanteil aufweisen muss.

Zusätzliche Informationen:

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

Weiterführende Informationen zu den Einstellkriterien findest Du hier.

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

People Solutions hilft Dir bei Fragen zum Bewerbungsprozess gerne weiter. Du erreichst uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).