In der Konzernforschung & Mercedes Benz Cars Entwicklung (RD) gestalten wir die Automobilgenerationen der Zukunft. Damit meinen wir innovative Produkte mit höchster Qualität und effiziente Entwicklungsprozesse unter Verwendung modernster Technologien. Wir arbeiten schon heute an Fahrzeugen, die die Technologieführerschaft von Daimler auch zukünftig sichern werden.

In der Abteilung MB.OS Architecture gestalten wir crossfunktional und baureihenübergreifend die zukünftigen Fahrzeuggenerationen von Mercedes-Benz Cars hinsichtlich Komponentenvernetzung und Energieversorgung.
 

Als Masterand*in in einem unserer Projekte im Bereich Energy Supply arbeiten Sie an der Schnittstelle von Künstlicher Intelligenz, Software Engineering und Automotive-Hardware. Ihre Hauptaufgabe ist die Konzeption und Entwicklung eines innovativen AI-basierten Requirements-to-Code-to-Hardware Workflows, der die Effizienz und Qualität in der Entwicklung sicherheitsrelevanter Automotive-Software maßgeblich verbessert.

Ihre Tätigkeiten umfassen dabei:
 

• Analyse und Konzeption: 
  • Sie analysieren bestehende Prozesse zur ECU-Code-Generierung und identifizieren Potenziale für AI-gestützte Automatisierung
  • Darauf aufbauend konzipieren Sie einen Workflow, der textuelle Anforderungen (Requirements), Testfälle und manuelle Code-Reviews als Input nutzt
• AI-basierte Code-Generierung und -Anpassung: 
  • Sie entwickeln und implementieren Algorithmen und Modelle (z.B. basierend auf LLMs und RAG-Systemen), die in der Lage sind, ausführbaren ECU-Code direkt aus Spezifikationen und Testfällen zu generieren oder bestehenden Code basierend auf Review-Feedback anzupassen
• Integration in den Entwicklungsprozess: 
  • Sie arbeiten an der nahtlosen Integration Ihres entwickelten Workflows in einen automatisierten Gesamtprozess, um eine durchgängige Toolchain zu gewährleisten
• Qualitätssicherung durch AI-Methoden: 
  • Sie erforschen und implementieren AI-basierte Methoden zur Verbesserung der Systementwicklung, darunter:
    • Coverage-Analyse: Entwicklung von Ansätzen zur automatischen Überprüfung der Abdeckung von Requirements durch Testfälle
    • Plausibilitätschecks: Konzeption und Implementierung von AI-Modellen zur automatischen Überprüfung der Konsistenz und Plausibilität von textuellen Anforderungen
    • Dokumentation und Evaluation: Sie dokumentieren Ihre Forschungsergebnisse, die entwickelte Architektur und die Implementierung detailliert. Zudem evaluieren Sie die Leistungsfähigkeit und den Nutzen Ihres entwickelten Systems anhand relevanter Metriken und Anwendungsfällen

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

Die Tätigkeit kann ab sofort bzw. März 2026 beginnen.

• Studiengang im Bereich Informatik, Data Science, Künstliche Intelligenz, Embedded Systems, Mechatronik oder Vergleichbares
• Grundlagen AI/ML: Verständnis von Machine Learning Algorithmen, insbesondere Large Language Models (LLMs), Natural Language Processing (NLP) und Retrieval-Augmented Generation (RAG) Systeme
• Programmierkenntnisse: Fundierte Kenntnisse in Python (idealerweise 3.10+) sind essenziell, inklusive relevanter Bibliotheken für AI/ML (z.B. scikit-learn, PyTorch, TensorFlow) und Datenverarbeitung
• Software Engineering: Verständnis von Clean Code Prinzipien, Softwarearchitektur und Testmethoden (Unit-Tests, Integrationstests)
• Datenbanken: Grundkenntnisse in Vektordatenbanken (z.B. FAISS, ChromaDB, Pinecone) und idealerweise auch Graphdatenbanken (z.B. Neo4j) für Wissensrepräsentation
• Analysefähigkeiten: Die Fähigkeit, komplexe technische Spezifikationen zu analysieren und in formale Modelle zu übersetzen
• Forschungskompetenz: Methodisches Vorgehen bei der Konzeption, Entwicklung und Evaluierung neuer Ansätze

• Nice-to-Have:

  • Erste Berührungspunkte mit Automotive-Standards (z.B. AUTOSAR, ISO 26262) oder dem Konzept von Embedded Systems
  • Erfahrung mit Prompt Engineering für LLMs
  • Kenntnisse in formalen Methoden oder Verifikation sind ein Plus

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).