PhD Candidate for Systematic Integration of Real-World Data in Reinforcement Learning(m/w/x)

# PhD Candidate for Systematic Integration of Real-World Data in Reinforcement Learning (f/m/d) ## DEIN TEAM Das Ziel unseres Promotionsprogramms ist es, innovative Themen zu fördern, die für CARIAD relevant sind. Wir arbeiten mit Spitzenuniversitäten zusammen und bringen neue Forschungsprojekte zum Leben. Unsere Promovierenden bekommen die Möglichkeit, neue Innovationen in ihren Projekten für CARIAD und das jeweilige wissenschaftliche Feld zu schaffen. Alle Promotionsprojekte werden von einem betreuenden Professor und einem engagierten CARIAD-Mentor begleitet. Wichtige Schulungen für die Promovierenden vervollständigen das Promotionsprogramm. Für den Fachbereich Vehicle, Energy, Motion & Body (VEMB) suchen wir einen Promovierenden für das Projekt „Learning Intelligent Onboard Functions“. Unser Fachbereich entwickelt fortschrittliche Software für Fahrzeug-Energie, Bewegung und Karosseriesysteme von Fahrzeugen. Unser VEMB-Vorentwicklungsteam arbeitet an Methoden für das End-to-End-Lernen von VEMB-Funktionen, um eine schnelle, skalierbare und kosteneffiziente Produktentwicklung zu ermöglichen. Wir bilden dabei den gesamten Entwicklungsprozess ab – von ersten Konzepten bis hin zu Machbarkeitsnachweisen in Testfahrzeugen; dabei stehen wir in engem Austausch mit der Serienentwicklung. ## DEINE AUFGABEN * Promotionsprojekt mit dem Arbeitstitel: Systematic Integration of Real-World Data in Reinforcement Learning * Bearbeitung zentraler Herausforderungen im Bereich Reinforcement Learning mit Fokus auf VEMB Funktionen * Analyse des aktuellen Stands der Technik im entsprechenden Fachgebiet * Nutzung von realen Fahrzeugmessdaten im Trainingsprozess des Reinforcement Learning * Einsatz und Validierung der entwickelten Methoden und Regler in Experimenten im realen Fahrzeug * Zusammenarbeit mit Teams aus der Vorentwicklung und der Serienentwicklung ## DAS BRINGST DU MIT * Masterabschluss in einem relevanten Fachgebiet: Robotik, Elektrotechnik, Maschinenbau o. Ä. * Fachkenntnisse in Regelungstechnik und maschinellem Lernen, insbesondere im Bereich Reinforcement Learning. * Sehr gute Programmierkenntnisse in Python sowie Erfahrung mit Machine-Learning-Frameworks wie PyTorch, TensorFlow etc. * Praktische Erfahrung durch reale Projekte, z. B. im Rahmen von Studienprojekten, Praktika oder vorheriger Berufserfahrung * Gut ausgeprägte Kommunikationsfähigkeiten * fließende Englischkenntnisse, Deutsch ist ein Plus ## NICE TO KNOW * Dauer: 3 Jahre * Zusammenarbeit mit einer renommierten Universität * Möglichkeit zur Betreuung von Studierenden * Option auf Remote-Arbeit * Zeitweise Arbeiten aus dem Ausland in ausgewählten Ländern möglich * 30 Tage bezahlter Urlaub * Besondere Events, z. B. PhD-Tag (Doktorandentag), Trainings * Hinweis: Bitte füge Deiner Bewerbung über das System einen Notenspiegel inklusive Modulübersicht bei, nachdem du deine Bewerbung eingereicht hast. Andernfalls kann die Bewerbung nicht bearbeitet werden * Wichtig: Die Zulassungsvoraussetzungen für die Promotion werden von der Universität festgelegt, und du musst diese Voraussetzungen vor Projektstart erfüllen. Eine Bestätigung durch den betreuenden Professor ist vor dem Onboarding erforderlich (nicht notwendig für die Bewerbung) 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. Wenn du aufgrund einer Behinderung Unterstützung bei deiner Bewerbung brauchst, melde dich gerne bei uns – wir helfen dir gerne weiter.