Masterarbeit: Entwicklung und Erprobung von KI-basierten Methoden zur Analyse und Optimierung von NVH-Eigenschaften in Fahrdynamiksystemen

Kurzbeschreibung:

• Im Rahmen der Entwicklung von Fahrdynamiksystemen ist die akustische Bewertung (NVH: Noise, Vibration, Harshness) entscheidend, um Fahrkomfort und Qualität zu sichern. Dabei werden Schwingungsdaten aus Prüfständen, Gesamtfahrzeugen und Kundenflotten analysiert, um reale Nutzungsbedingungen und kritische Betriebszustände besser zu verstehen. Die effiziente Optimierung dieser Aspekte sowohl im Anforderungsmanagement als auch im Rahmen der Entwicklung und Absicherung stellt eine zentrale Herausforderung im Zielkonflikt zu vielen anderen Eigenschaften dar. 

Ziel der Arbeit

• Entwicklung und Erprobung von KI-basierten Methoden zur Analyse und Optimierung von NVH-Eigenschaften in Fahrdynamiksystemen auf Basis einer bestehenden Datenstruktur. In der Arbeit sollen für konkrete Use-Cases in der NVH-Entwicklung alltagstaugliche Werkzeuge zur Analyseautomatisierung, Anomalieerkennung und Merkmalsidentifikation entwickelt und erprobt werden.

Aufgaben:

•  Einarbeitung in die NVH-Entwicklung von Fahrdynamiksystemen
• Kennenlernen der bei Porsche eingesetzten Tools zur Datenverarbeitung
• Weiterentwicklung bestehender Datenpipelines zur strukturierten Datenverwaltung
• Konzeption interaktiver Dashboards zur Suche, Visualisierung und Bewertung von Messdaten
• Entwicklung und Validierung KI-basierter Analyse-Tools zur automatisierten Messdatenauswertung und Anomalieerkennung auf Basis realer Entwicklungs- und Flottendaten
• Dokumentation und Präsentation der Ergebnisse 

Anforderungsprofil:

• Studium der Informatik, Wirtschaftsinformatik, Data Science oder einer vergleichbaren Fachrichtung
• Gute Kenntnisse in Python und praktische Erfahrung in der Verarbeitung und Auswertung von Daten
• Grundkenntnisse in SQL und im Umgang mit Datenbanke
• Erste Erfahrung mit Datenplattformen wie Databricks oder vergleichbaren Anwendungen
• Interesse an künstlicher Intelligenz und erste Kenntnisse im maschinellen Lernen
• Selbstständige und strukturierte Arbeitsweise
• Teamfähigkeit und Kommunikationsstärke 

Darüber hinaus von Vorteil: 

• Erfahrung mit Messdaten, Zeitreihen und der Visualisierung von Daten
• Erste Berührungspunkte mit automatisierten Datenverarbeitungsprozessen
• Kenntnisse in Git zur Versionsverwaltung 

Studiengänge:

• Informatik, Wirtschaftsinformatik, Data Science oder vergleichbare Fachrichtung 

Fachkenntnisse:

• Gute Kenntnisse in Python und praktische Erfahrung in der Verarbeitung und Auswertung von Daten
• Grundkenntnisse in SQL und im Umgang mit Datenbanken
• Erste Erfahrung mit Datenplattformen wie Databricks oder vergleichbaren Anwendungen
• Erste Berührungspunkte mit automatisierten Datenverarbeitungsprozessen
• Kenntnisse in Git zur Versionsverwaltung
• Erfahrung mit Messdaten, Zeitreihen und der Visualisierung von Daten
• Interesse an künstlicher Intelligenz und erste Kenntnisse im maschinellen Lernen 

Sprachkenntnisse:

• Deutsch 
• Englisch