Dein Fokus liegt auf der Erforschung von Softwaremustern im Automotive-Bereich. Du analysierst C-Code, erstellst Modelle und wendest Analysetechniken an, um Verbesserungsvorschläge zu entwickeln und die Ergebnisse wissenschaftlich zu präsentieren.
Anforderungen
- •Laufendes Studium im Bereich Informatik
- •Kenntnisse in C-Programmierung
- •Teamorientiert und kommunikativ
- •Idealerweise Erfahrung mit Parsing-Tools
- •Kenntnisse in Graphentheorie von Vorteil
- •Interesse an Automobilsoftware
- •Kenntnisse in Python für Graphenverarbeitung von Vorteil
Deine Aufgaben
- •Forschung zu akademischer und industrieller Softwaremuster
- •Realen Automotive C-Code analysieren
- •Visuelle Modelle oder Datenmodelle erstellen
- •Analysetechniken anwenden und vergleichen
- •Benchmarking zur Effektivität von Erkennungsmethoden
- •Ergebnisse zusammenfassen und Verbesserungsvorschläge entwickeln
- •Mit Ingenieur:innen oder Wissenschaftler:innen zusammenarbeiten
- •Ergebnisse in einer wissenschaftlichen Arbeit präsentieren
Deine Vorteile
Remote-Arbeit möglich
Dauer: 6 Monate
35 Stunden/Woche
Original Beschreibung
# Master Thesis - Discover Optimization Patterns for Next-Generation Automotive Software (f/m/d)
## DEIN TEAM
Unser "Vehicle Motion"-Team freut sich, eine Masterarbeit anbieten zu können, die sich auf die Analyse realer Automobilsoftware mit fortschrittlichen Code-Analysetechniken konzentriert. Dies ist deine Chance, über die Oberfläche hinauszugehen - indem du C-Code analysierst, Zwischendarstellungen wie ASTs, Kontrollfluss- und Datenflussdiagramme extrahierst und Graphenalgorithmen und möglicherweise maschinelles Lernen anwendest, um aussagekräftige Codemuster aufzudecken.
Forschungsfrage: "What are the traditional and state-of-the-art static code analysis techniques, and how effectively can they identify and analyze code patterns in complex and entangled automotive application software?"
## DEINE AUFGABEN
* Research zu akademischer und industrieller Forschung, wie Softwaremuster identifiziert und analysiert werden
* Analysieren von realen automotive C-Code, um strukturelle Darstellungen zu extrahieren, z.B. Diagramme
* Erstellen visueller Modelle oder Datenmodelle (z.B. Kontrollfluss- oder Datenflussdiagramme), um die Codestruktur und das Verhalten besser zu verstehen
* Anwenden und Vergleichen von Analysetechniken – von traditionellen Algorithmen bis hin zu modernen Ansätzen des maschinellen Lernens
* Benchmarking zur Effektivität verschiedener Methoden zur Erkennung von Mustern oder Anomalien in Automotive-Software
* Zusammenfassen der Ergebnisse und Entwickeln von Verbesserungenvorschlägen, wie Code besser organisiert, gepflegt oder verstanden werden kann
* Zusammenarbeit mit Ingenieur:innen oder Wissenschaftler:innen zur Validierung und um Feedback und Brancheneinblicke zu erhalten
* Präsentieren der Ergebnisse in einer wissenschaftlichen Arbeit
## DAS BRINGST DU MIT
* Laufendes Studium im Bereich Informatik oder vergleichbar
* Kenntnisse in der C-Programmierung, Softwarearchitektur und Codestruktur
* Teamorientiert, wachstumsorientiert, zielorientiert und kommunikativ
* Idealerweise Erfahrung mit Parsing-Tools (z.B. Python LibClang oder ähnliches)
* Kenntnisse in der Graphentheorie und im Umgang mit Code-Darstellungen (z.B. ASTs, Control-Flow- oder Data-Flow-Graphen) sind von Vorteil
* Interesse an der Entwicklung von Automobilsoftware und Embedded System
* Kenntnisse im Umgang mit Python, insbesondere mit Bibliotheken für die Graphenverarbeitung (z.B. NetworkX, PyGraphviz) oder grundlegendes maschinelles Lernen (z.B. scikit-learn) ist von Vorteil
## NICE TO KNOW
* Remote-Arbeit innerhalb Deutschlands möglich
* Dauer: 6 Monate
* 35 Stunden/Woche
Bei CARIAD schätzen wir Individualität und Vielfalt – denn wir sind überzeugt, dass uns unsere Unterschiede stärker machen. Wir setzen uns aktiv dafür ein, Teams mit unterschiedlichen Hintergründen, Perspektiven und Erfahrungen aufzubauen. Unser Ziel ist ein Arbeitsumfeld, in dem sich alle wertgeschätzt fühlen und ihre Stärken einbringen können.