Unser Interdisziplinäres Team Arbeitet An Der Schnittstelle Von Künstlicher Intelligenz, Embedded Systems Und Edge Computing. Unser Ziel Ist Es, Zukunftsweisende KI-Lösungen Für Ressourcenbeschränkte, Dezentrale Systeme Zu Entwickeln - Von Autonomen Sensoren Über Vernetzte Geräte Bis Hin Zu Industriellen Anwendungen. Im Zentrum Stehen Fragestellungen Wie
- Wie lassen sie KI-Modelle effizient auf Mikrocontrollern betreiben?
- Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet?
- Wie kann dezentrale KI auf mehreren Edge-Geräten effizient in Bezug auf Speicher, Kommunikation und Robustheit zusammenarbeiten? (z.B. über Federated Learning oder Swarm Intelligence)?
Aufgaben
Mögliche Themengebiete:
- Optimierung des Machine-Leraning-Frameworks AI for Embedded Systems (AlfES)
- Entwicklung und Optimierung von dezentralem Edge AI in IoT-Netwerken durch Federated Learning
- Entwicklung und Optimierung von Verfahren für Anomaliedetektion bei selbstlernenden Sensorsystemen
- Optimierung von KI-Modellen für Embedded-Plattformen (z.B Quantisierung, Pruning, TinyML)
- Entwicklung adaptiver Lernmechanismen für sich verändernde Umgebungsbedingungen
- Entwicklung von Tool-Chains zur Portierung von KI-Modellen auf verschiedene, eingebettete Systeme
Qualifikationsprofil
- Studium im Bereich der Informatik, Elektrotechnik oder eines vergleichbaren Studiengangs
- Sehr gute bis gute Studienleistung
- Grundlegende Kenntnisse im Bereich Machine Leraning und neuronaler Netze
- Gute Programmierkenntnisse in C und/oder C++
- Erfahrungen mit eingebetteten Systemen und Mikrocontrollern und Kenntnisse in Python sind von Vorteil
- Erfahrungen im Umgang mit bekannten Machine Leraning Frameworks (z.B. Keras oder PyTorch) und das Administrieren von unixoiden Betriebssystemen, auch für eingebettete und Echtzeitsysteme, sind von Vorteil
- Selbständige und strukturierte Arbeitsweise sowie Teamfähigkeit
Wir bieten
- Vielfältige Einblicke in die Arbeit von wissenschaftlichen Mitarbeitenden an einem Forschungsinstitut
- Möglichkeit, das Wissen aus dem Studium direkt anzuwenden
- Vergütung der Abschlussarbeit, flexible Arbeitszeiten (Gleitzeitmodell) und ein fester Urlaubsanspruch
- Möglichkeiten, erste Erfahrungen im Umgang mit SAP zu sammeln
- Zentrale Lage direkt neben dem Campus Duisburg (Linie 933: Haltestelle Universität)