Aufgaben
In der Masterarbeit wird auf die folgende zwei Forschungsfragen eingegangen:
RQ1: Unter welchen Bedingungen können HiL-Testfälle auf SiL-Systemen ausgeführt werden?RQ2: Welche KI-Modelle sind am besten geeignet, um die Qualität und Aussagekraft von HiL-Testfällen zu bewerten?
Methodik:
Um die RQ1 zu beantworten werden folgende Methoden genutzt: Literaturrecherche (Analyse bestehender Studien zu HiL- und SiL-Testumgebungen), Kategorisierung der HiL-Testfälle z.B. Hardware-abhängige Testfälle und Untersuchung, welche HiL-Testfälle ohne Hardware-Abhängigkeit direkt auf SiL übertragbar sind, Experimentelle Validierung und Bewertung durch Metriken.
Um die Forschungsfrage RQ2 zu beantworten, wird folgende Methodik genutzt: Datenerhebung, Modellauswahl und Training sowie Evaluierung anhand von Metriken.
Anforderungen
Studiengänge:
- Informatik, Elektrotechnik, Data Science, Fahrzeugtechnik oder vergleichbar
Studienschwerpunkte:
- Künstliche Intelligenz, Machine Learning, Software Engineering
Fachkenntnisse:
- Automotive Software
- Erste Erfahrungen mit X-in-the-Loop-Simulationen sind von Vorteil
- Kenntnisse in Automotive-Standards (ISO 26262) sind von Vorteil
IT-Kenntnisse:
- Programmierkenntnisse (Python)
- Grundlagen der Künstlichen Intelligenz und Machine Learning
- Datenanalyse und Datenverarbeitung
Sprachkenntnisse:
- Sehr gute Deutsch- und Englischkenntnisse
Soft Skills:
- Analytisches Denken, Selbstorganisation, Lernbereitschaft