Studienabschlussarbeit Machine Learning Entwicklung Hochvoltspeicher (w/m/x)

THEORETISCH DIE BESTE ENTSCHEIDUNG. PRAKTISCH AUCH.

TEILE DEINE LEIDENSCHAFT.

Nur hochprofessionelle Ablaufe in dynamischen Teams produzieren innovative Spitzentechnologie. Aber Fahrfreude wird bei uns von der Entwicklung bis zur Fertigung vor allem auch mit Spa an der Arbeit und Begeisterung fur das gemeinsame Projekt realisiert. Deshalb geben wir Studierenden bei uns nicht nur die Gelegenheit zum Zuhoren, sondern auch zum Mitreden und Weiterdenken.

Deep Learning, Physikmodellierung und Datenengineering - bei uns entsteht aus realen Simulationsdaten die Thermomanagement-KI fur das Elektrofahrzeug von morgen. Wir bei der BMW Group verbinden Begeisterung fur prazise Modelle mit dem Anspruch, die Entwicklung von Hochvoltspeichern durch maschinelles Lernen aktiv voranzutreiben. Dabei legen wir groen Wert darauf, Studierende nicht nur einzubinden, sondern ihnen echte wissenschaftliche Verantwortung zu ubertragen - bis hin zu einer eigenstandigen, publikationswurdigen Fragestellung.

Unser Team entwickelt ein hybrides Physik-ML-Modell zur autoregressiven Echtzeit-Simulation des thermischen Zustands von Lithium-Ionen-Batteriesystemen. Das Modell kombiniert einen physikbasierten Kern (Warmeubertragungsgleichungen) mit einem datengetriebenen Latent-Space-Predictor (Encoder-Decoder-Architektur, PyTorch). Die zentrale wissenschaftliche Herausforderung: Das Modell wird auf einer begrenzten Menge von Simulationslastfallen trainiert und soll zuverlassig auf strukturell verschiedene, bisher ungesehene Betriebsszenarien generalisieren. Bisherige Balancing-Strategien stoen dabei an prinzipielle Grenzen - genau hier setzt deine Masterarbeit an.

Was erwartet dich?

• Du unterstutzt bei der systematischen Analyse des strukturellen Unterschieds zwischen Trainings- und Validierungs-Lastfallen und quantifizierst diesen Distribution Gap.
• Auerdem wirkst du mit bei der Erarbeitung, warum handgestaltete niedrig-dimensionale Deskriptoren konzeptionell unzureichend sind und formulierst eine prazise wissenschaftliche Problemstellung.
• Daruber hinaus entwirfst, implementierst und evaluierst du latentbasierte Matching-Methoden zur direkten Modellierung struktureller Sequenzahnlichkeit.
• Zudem untersuchst du physikalisch motivierte Datensynthese und prufst die thermodynamische Konsistenz synthetisch erzeugter Eingangsprofile.
• Du entwickelst eine quantitative Out-of-Distribution-Metrik, die eine kalibrierte Abschatzung des zu erwartenden Vorhersagefehlers ermoglicht.
• Auerdem dokumentierst du samtliche Methoden, vergleichst sie in strukturierten Ablationsstudien und leitest wissenschaftlich fundierte Empfehlungen ab.

Was bringst du mit?

• Studium der Mathematik, Physik, Ingenieurwissenschaften, Informatik oder Computational Science mit starkem mathematischem und datenorientiertem Hintergrund.
• Sehr gute Programmierkenntnisse in Python; praktische Erfahrung mit PyTorch oder TensorFlow von Vorteil.
• Solide Kenntnisse im maschinellen Lernen und Interesse an der Verknupfung von physikalischen Modellen mit datengetriebenen Methoden.
• Erfahrung mit Zeitreihendaten, statistischen Verteilungsanalysen oder physikalischen Simulationen wunschenswert.
• Strukturierte Arbeitsweise mit wissenschaftlicher Sorgfalt und Freude daran, Methoden zu hinterfragen und weiterzuentwickeln.
• Gute Deutsch- und Englischkenntnisse.

Mochtest du unser Team dabei unterstutzen, die Grenzen datengetriebener Batteriesimulation zu verschieben? Dann bewirb dich jetzt!

Was bieten wir dir?

• Umfassendes Mentoring & Onboarding.
• Personliche & fachliche Weiterentwicklung.
• Flexible Arbeitszeiten.
• Mobilarbeit.
• Attraktive & faire Vergutung.
• Apartments fur Studierende (nach Verfugbarkeit & nur am Standort Munchen).
• Und vieles mehr siehe bmw.jobs/waswirbieten

Startdatum: fruhestens ab 01.07.2026

Dauer: 6 Monate

Arbeitszeit: Vollzeit

Hilfreiche Tipps zu deiner Bewerbung und dem Bewerbungsprozess findest du hier.

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

Bitte beachte, dass die Betreuung deiner Studienabschlussarbeit durch eine Hochschule/Universitat deinerseits sichergestellt sein muss.