Ingenieur/in (w/m/d) - KI-gestützte Systemdynamik und Regelungstechnik
Vor 30+ TagenDas könntest du laut kununu User:innen als Messtechniker:in in Forschung/Entwicklung verdienen
Der Stellenanzeigentext wurde mithilfe von kununu intelligence (ki) analysiert und strukturiert.
Deine Aufgaben
Wir suchen dich im Team für die Entwicklung von modell- und lernbasierten Simulations- und Regelungsverfahren für robotische Elektrofahrzeuge mit X-by-wire Architekturen, bei denen es keinen direkten mechanischen Durchgriff vom Fahrer auf Systeme wie z. B. die Lenkung gibt. Die hohe Komplexität, die mit dieser Technologie verbunden ist sowie Anforderungen an die Ausfallsicherheit sind die Motivation für die Entwicklung sogenannter Surrogat-Modelle, die u. a. im virtuellen Training mittels Reinforcement Learning verwendet werden sollen. In deiner neuen Stelle bei uns setzt du deine Ideen gemeinsam in einem dynamischen, multidisziplinären Team um. Du kannst direkt die neuesten Methoden der Systemdynamik und Regelungstechnik virtuell und am Versuchsträger entwickeln und experimentell erproben und somit einen entscheidenden Beitrag zu unserer Mission leisten.
- Analyse, Entwicklung und kritische Bewertung wissenschaftlicher Methoden zu nichtlinearen modellbasierten und KI-basierten Regelungsverfahren
- Entwicklung von Algorithmen des maschinellen Lernens, wie dem Reinforcement Learning und physikalisch erweiterter neuronaler Netze, für die Regelung und Simulation mechatronischer Systeme
- Konzeption von „AI-Aided Control Systems Engineering”-Werkzeugketten basierend auf Technologien wie LLMs, Agentic-RAG und MCP
- wissenschaftliche Analyse von Verfahren zur Bewertung der Robustheit und Vertrauenswürdigkeit von modell- und lernbasierten Regelungsverfahren
- experimentelle Erprobung der Verfahren an seriennahen und experimentellen DLR-Versuchsfahrzeugen mit by-wire-Steuerung und wissenschaftliche Auswertung der Versuche anhand objektiver, numerischer Kriterien und Evaluierung derer gegenüber dem Stand der Technik
- verfassen von wissenschaftlichen Veröffentlichungen für internationale Journale und Konferenzen sowie auf dem Abteilungs-Blog
Dein Profil
- abgeschlossenes wissenschaftliches Hochschulstudium (Master/Diplom Uni) der Ingenieurwissenschaften aus den Fachrichtungen Elektrotechnik, Informatik, Robotik, Maschinenwesen mit Schwerpunkt Regelungs-/Informations-/Steuerungstechnik oder andere für die Tätigkeit relevanten Studiengänge
- erweiterte regelungstechnische und optimierungstechnische Kompetenzen, die über die Inhalte der Grundlagenvorlesungen hinausgehen
- Kenntnisse in mindestens einer Programmiersprache: Modelica, Matlab, C, oder Python
- Kenntnisse in den Methoden des maschinellen Lernens (supervised & unsupervised learning)
- Kenntnisse im Bereich der Fahrzeugtechnik und Elektromobilität
Das erwartet dich
Wir suchen dich im Team für die Entwicklung von modell- und lernbasierten Simulations- und Regelungsverfahren für robotische Elektrofahrzeuge mit X-by-wire Architekturen, bei denen es keinen direkten mechanischen Durchgriff vom Fahrer auf Systeme wie z. B. die Lenkung gibt. Die hohe Komplexität, die mit dieser Technologie verbunden ist sowie Anforderungen an die Ausfallsicherheit sind die Motivation für die Entwicklung sogenannter Surrogat-Modelle, die u. a. im virtuellen Training mittels Reinforcement Learning verwendet werden sollen. In deiner neuen Stelle bei uns setzt du deine Ideen gemeinsam in einem dynamischen, multidisziplinären Team um. Du kannst direkt die neuesten Methoden der Systemdynamik und Regelungstechnik virtuell und am Versuchsträger entwickeln und experimentell erproben und somit einen entscheidenden Beitrag zu unserer Mission leisten.
Deine Aufgaben
- Analyse, Entwicklung und kritische Bewertung wissenschaftlicher Methoden zu nichtlinearen modellbasierten und KI-basierten Regelungsverfahren
- Entwicklung von Algorithmen des maschinellen Lernens, wie dem Reinforcement Learning und physikalisch erweiterter neuronaler Netze, für die Regelung und Simulation mechatronischer Systeme
- Konzeption von „AI-Aided Control Systems Engineering”-Werkzeugketten basierend auf Technologien wie LLMs, Agentic-RAG und MCP
- wissenschaftliche Analyse von Verfahren zur Bewertung der Robustheit und Vertrauenswürdigkeit von modell- und lernbasierten Regelungsverfahren
- experimentelle Erprobung der Verfahren an seriennahen und experimentellen DLR-Versuchsfahrzeugen mit by-wire-Steuerung und wissenschaftliche Auswertung der Versuche anhand objektiver, numerischer Kriterien und Evaluierung derer gegenüber dem Stand der Technik
- verfassen von wissenschaftlichen Veröffentlichungen für internationale Journale und Konferenzen sowie auf dem Abteilungs-Blog
Das bringst du mit
- abgeschlossenes wissenschaftliches Hochschulstudium (Master/Diplom Uni) der Ingenieurwissenschaften aus den Fachrichtungen Elektrotechnik, Informatik, Robotik, Maschinenwesen mit Schwerpunkt Regelungs-/Informations-/Steuerungstechnik oder andere für die Tätigkeit relevanten Studiengänge
- erweiterte regelungstechnische und optimierungstechnische Kompetenzen, die über die Inhalte der Grundlagenvorlesungen hinausgehen
- Kenntnisse in mindestens einer Programmiersprache: Modelica, Matlab, C, oder Python
- Kenntnisse in den Methoden des maschinellen Lernens (supervised & unsupervised learning)
- Kenntnisse im Bereich der Fahrzeugtechnik und Elektromobilität
Ähnliche Jobs, die dich interessieren könnten
