Doktorandin / Doktorand Big Data Analysis - Automatisierte Anomaliedetektion (w/m/d)

Sie strukturieren die Validierung und Ablage von Messdaten im Rahmen des Freigabe- und Datenimportprozesses neu. Teil dieser Aufgabe ist die Analyse, Bewertung und Klassifikation von Messdaten mittels KI-Methoden zur automatisierten Anomaliedetektion. Aus dieser Aufgabenstellung leitet sich das Promotionsthema ab. Die Datenbasis stammt aus verschiedenen Arten von Sicherheitsversuchen wie z.B. Crashversuchen. Auftretende Anomalien (wie z.B. Sensorfehler, unplausible Messdaten, Unterschiede zu anderen Versuchen der gleichen Art) müssen frühzeitig erkannt und entsprechend gelabelt werden. Dadurch können ggfs. erforderliche Detailprüfungen durch jeweilige Experten angestoßen werden. Ziel ist, die Unsicherheiten z.B. durch Prüfstände oder Messtechnik automatisiert und bereits zum Zeitpunkt des Datenimports zu erkennen, sodass in die spätere Versuchsanalyse nur noch valide Daten für die Fahrzeugentwicklung eingehen.

Zusammenfassung der Ziele:

• KI-gestützte Bewertung aller erfassten Messdaten aus Sicherheitsversuchen
• Kennzeichnung und Segmentierung der Auffälligkeiten
• Analyse im Hinblick auf Systematiken und Tendenzen (z.B. Auffälligkeit des Prüfstands, der Sensorik, des Dummys oder von Fahrzeugbauteilen)
• Einbindung in den Prozess der Versuchsdatenfreigabe im Versuchsdatensystem
   

Das endgültige Promotionsthema wird mit dem Professor (m/w/d) einer promotionsberechtigten Universität gemeinsam definiert. Die Voraussetzung für die Zusammenarbeit ist die Betreuungszusage sowie eine bestätigte Themenabgrenzung.