Masterarbeit: Robuste Identifikation zusammengesetzter elektrischer Antriebsmodelle — Identifizierbarkeit, Sensitivität & Anregungsanalyse (w/m/div.)

Bei Bosch gestalten wir die Zukunft, indem wir hochwertige Technologien und Dienstleistungen entwickeln, die begeistern und das Leben von Menschen bereichern. Unser Versprechen an unsere Mitarbeitenden ist felsenfest: Wir wachsen gemeinsam, wir haben Freude an unserer Arbeit und wir inspirieren uns gegenseitig. Machen Sie mit und erleben Sie den Unterschied. Die Robert Bosch GmbH freut sich auf Ihre Bewerbung!

Während Ihrer Abschlussarbeit vertiefen Sie sich in physikbasierte Modelle elektrischer Antriebe sowie in unsere Python-Komponentenbibliothek und sichten gleichzeitig die aktuelle Literatur zur robusten Systemidentifikation und zur Versuchsplanung (Design of Experiments). Darüber hinaus entwickeln Sie innovative Robustheitsdiagnostiken für unsere bestehende Identifikations-Pipeline – unter Berücksichtigung der Parameteridentifizierbarkeit, Sensitivität und des Konvergenzverhaltens – und implementieren sowie quantifizieren geeignete Gegenmaßnahmen. Zusätzlich analysieren Sie den Anregungsgehalt vorhandener Datensätze, bewerten relevante Kriterien und verknüpfen diese Erkenntnisse mit der erreichbaren Identifikationsqualität. Sie evaluieren den von Ihnen entwickelten Ansatz umfassend anhand eines praxisnahen Benchmark-Anwendungsfalls. Zudem dokumentieren und präsentieren Sie Ihre Forschungsergebnisse klar und verständlich. Abschließend erweitern Sie den Ansatz, um teilweise beobachtbare Effekte zu adressieren, die aus Zuständen resultieren, die nicht direkt messbar sind, wie beispielsweise Temperaturen.

• Ausbildung: Masterstudium im Bereich Kybernetik, Ingenieurwissenschaften, Mathematik, Informatik oder vergleichbar
• Erfahrung und Kenntnisse: Grundkenntnisse in dynamischen Systemen und Differentialgleichungen; sehr gute Kenntnisse in der Python-Programmierung; Verständnis der Physik elektrischer Maschinen; optional: Erfahrung mit MATLAB/Simulink zur Interaktion mit bestehenden Simulationsmodellen; optional: Kenntnisse in Machine Learning sowie in Frameworks für automatische Differenzierung (JAX oder PyTorch)
• Persönlichkeit und Arbeitsweise: Sie arbeiten eigenständig und systematisch an komplexen Fragestellungen und verfügen über ausgeprägte analytische Fähigkeiten, sodass Sie Probleme präzise erfassen und lösen können
• Arbeitsmodus: Anwesenheit im Büro erforderlich
• Sprachen: sehr gute Englischkenntnisse

Start: gemäß vorheriger Vereinbarung Dauer: 6 Monate Voraussetzung für diese Abschlussarbeit ist die Immatrikulation an einer Hochschule. Bitte fügen Sie Ihren Lebenslauf, Ihren Notenspiegel (Transcript of Records), die Prüfungsordnung sowie – falls erforderlich – eine gültige Arbeits- und Aufenthaltserlaubnis bei. Sie stehen kurz vor dem Abschluss Ihres Bachelorstudiums und möchten vor Ihrem nächsten akademischen Schritt in Richtung Masterstudium praktische Erfahrung sammeln? Dann passen Sie perfekt zu unserem PreMaster Programm! Werfen Sie hier einen Blick auf unsere offenen Stellen. Vielfalt und Inklusion sind für uns nicht nur Trends, sondern fest in unserer Unternehmenskultur verankert. Daher freuen wir uns über alle Bewerbungen – unabhängig von Geschlecht, Alter, Behinderung, Religion oder Weltanschauung, ethnischer Herkunft oder sexueller Identität. Benötigen Sie weitere Informationen zur Stelle? Benjamin Hartmann (Fachbereich) +49 7062 911 7020 Work #LikeABosch starts here: Jetzt bewerben! #LI-DNI