Werden Sie Teil unseres Erfolges als
Wissenschaftlicher Mitarbeiter (m/w/d) KI-gestützte nachhaltige Mobilität
im Institut AImotion
Autonomes Fahren? Unbemanntes Fliegen? Digitale Produktion? Diesen Forschungsschwerpunkten widmet sich der KI-Mobilitätsknoten Ingolstadt AImotion Bavaria. Werden Sie Teil des Teams und verändern Sie mit uns die Zukunft der KI-basierten Mobilität!
Weitere Informationen finden Sie unter: https://www.thi.de/forschung/aimotion/
Mitarbeit im Testfeld-Engineering (Infrastruktursensorik, eBike mit Sensorik und Remote Abschaltung)
Analyse von Dilemma Zones von eBikes sowie der Interaktion von Vulnerable Road Users (VRUs) und Fahrzeugen an Lichtsignalanlagenkreuzungen
Entwicklung von Algorithmen (klassisch und/oder Machine Learning) zur Koordination von VRUs und Fahrzeugen
Dafür: Nutzung von Daten aus Infrastruktursensorik, Testfahrzeugen, Test-eBike und Lichtsignalanlagen
Es besteht die Option auf eine Promotion
Abgeschlossenes technisches Hochschulstudium
Erfahrung in Python oder objektorientierter Programmierung allgemein
Kenntnisse in Datenanalyse und/oder Machine Learning
Idealerweise Erfahrung in der Arbeit mit Sensorik (Kamera, LiDAR), Testfahrzeugen/eBikes (z. B. ROS) und Kommunikation (z. B. Mesh WLAN)
Idealerweise Erfahrung in Simulationsframeworks wie Carla oder SUMO
Ausgezeichnete Laborausstattung
Innovatives Arbeitsumfeld
Kollaboration mit Industriepartnern
Umfassende Betreuung & Unterstützung
Viele Fortbildungs- & Weiterbildungsangebote
Möglichkeit der Promotion im Fachbereich
Homeoffice & Mobiles Arbeiten
Flexible Arbeitszeiten
Mensa & Restaurant
Gute Anbindung & zentrale Lage
Gut zu wissen
Unsere Stellen sind grundsätzlich teilzeitfähig. Bei dieser Stelle werden Schwerbehinderte bei gleicher Eignung bevorzugt. Die Bewerbung von Frauen wird ausdrücklich begrüßt (Art. 7 Abs. 3 BayGIG).
Nachhaltige Mobilität benötigt eine bessere Integration von VRUs. Im Projekt SiRaMis erforschen wir die Sicherheit von Radfahrern an Lichtsignalanlagen. Besonders für eBikes können dort Dilemma Zones (Bereichen, in denen Verkehrsteilnehmer bei Gelb entscheiden müssen, ob sie beschleunigen oder abbremsen) und Konflikte mit abbiegenden Fahrzeugen entstehen. Im Projekt analysieren wir solche Situationen mit Hilfe von Infrastrukturdaten und entwickeln Algorithmen zur Koordination von VRUs und Fahrzeugen. Dazu nutzen wir das High Definition Testfeld (HDT) sowie ein Forschungsfahrzeug und -eBike.