Aktiviere Job-Benachrichtigungen per E-Mail!

Praktikant KI-gestützte Datenanalyse Optimierung Ladefunktion Elektrofahrzeuge (w/m/x)

BMW M Motorsport / BMW Group

München

Vor Ort

EUR 50.000 - 70.000

Vollzeit

Vor 14 Tagen

Zusammenfassung

Die BMW Group sucht einen engagierten Mitarbeiter für die Entwicklung innovativer Ladeverfahren in der Elektromobilität. In diesem spannenden Umfeld wirst du an der Schnittstelle zwischen Datenanalyse und künstlicher Intelligenz arbeiten, um die Qualität moderner Ladefunktionen sicherzustellen und zur Automatisierung beizutragen.

Leistungen

Umfassendes Mentoring & Onboarding
Persönliche & fachliche Weiterentwicklung
Flexible Arbeitszeiten
Mobilarbeit
Attraktive & faire Vergütung
Apartments für Studierende (nach Verfügbarkeit)

Qualifikationen

  • Studium in Informatik, Data Science oder Ingenieurwissenschaft.
  • Praktische Erfahrung im Bereich AI und Machine Learning.
  • Fundierte Programmierkenntnisse in Python.

Aufgaben

  • Analysiere Trace-Daten und Debug-Daten aus dem Fahrzeugbordnetz.
  • Entwickle und implementiere Machine-Learning-Modelle.
  • Erstelle Berichte und Präsentationen zu Analyseergebnissen.

Kenntnisse

Analytisches Denken
Problemlösungsfähigkeiten
Teamfähigkeit
Kommunikationsstärke
Praxis in künstlicher Intelligenz
Machine Learning
Programmierkenntnisse in Python

Ausbildung

Studium der Informatik
Data Science
Ingenieurwissenschaft

Jobbeschreibung

Gestalte die Zukunft der E-Mobilität mit uns! In der dynamischen Welt der Elektromobilität ist die BMW Group an vorderster Front, wenn es darum geht, innovative Ladeverfahren für batterieelektrische Fahrzeuge (BEV) zu entwickeln. Bei uns hast du die Möglichkeit, Teil eines engagierten Teams zu werden, das die Qualität und Effizienz unserer Ladefunktionen durch den Einsatz modernster Technologien sichert. Deine Mission: Du wirst aktiv an der Schnittstelle zwischen Datenanalyse und künstlicher Intelligenz arbeiten. Hier unterstützt du ein engagiertes Team, das die Qualität und Effizienz moderner Ladefunktionen durch den Einsatz neuester Technologien sichert.

Was erwartet dich?

  • Du analysierst Trace-Daten aus dem Fahrzeugbordnetz und Debug-Daten unserer Fahrzeugentwicklungsflotte, um wertvolle Erkenntnisse zu gewinnen.
  • Darüber hinaus bereitest du die erfassten Daten so auf, dass sie für die automatisierte Weiterverarbeitung bereitstehen.
  • Außerdem wirkst du bei der Entwicklung und Implementierung von Machine-Learning-Modellen mit, die Fehlermuster automatisch erkennen und analysieren.
  • Die Erstellung aussagekräftiger Berichte und Präsentationen, um deine Analyseergebnisse zu kommunizieren, rundet dein spannendes Aufgabengebiet ab.


Was bringst du mit?

  • Studium der Informatik, Data Science, Ingenieurwissenschaft oder eines vergleichbaren Studiengangs.
  • Begeisterung für künstliche Intelligenz und Machine Learning mit bereits praktischer Erfahrung.
  • Fundierte Programmierkenntnisse in Python.
  • Analytisches Denken und Problemlösungsfähigkeiten.
  • Teamfähigkeit und Kommunikationsstärke.

Du möchtest deine Leidenschaft für KI und Datenanalyse in einem innovativen Umfeld einbringen? Dann bewirb dich jetzt!

Was bieten wir dir?

  • Umfassendes Mentoring & Onboarding.
  • Persönliche & fachliche Weiterentwicklung.
  • Flexible Arbeitszeiten.
  • Mobilarbeit.
  • Attraktive & faire Vergütung.
  • Apartments für Studierende (nach Verfügbarkeit & nur am Standort München).
  • Und vieles mehr siehe bmw.jobs/waswirbieten.

Startdatum: ab 01.10.2025
Dauer: 6 Monate
Arbeitszeit: Vollzeit

Du hast Fragen? Dann reiche dein Anliegen ganz einfach über unser Kontaktformular ein. Deine Anfrage wird im Nachgang telefonisch oder per E-Mail beantwortet.

Wir bei der BMW Group legen großen Wert auf Gleichbehandlung und Chancengleichheit. Unsere Recruiting-Entscheidungen basieren auf der Persönlichkeit, den Erfahrungen und Fähigkeiten der Bewerber:innen. Mehr dazu hier.

Hol dir deinen kostenlosen, vertraulichen Lebenslauf-Check.
eine PDF-, DOC-, DOCX-, ODT- oder PAGES-Datei bis zu 5 MB per Drag & Drop ablegen.