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.

• 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).