Masterarbeit: Automatisierte Datenauswertung/-analyse von Versuchsläufen at Bosch Group

Homburg, Saarland, Germany -

Full Time

Start Date

Immediate

Expiry Date

10 Mar, 26

Salary

0.0

Posted On

10 Dec, 25

Experience

0 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Data Analysis, Data Preparation, Feature Engineering, Condition Monitoring, Anomaly Detection, Error Classification, Predictive Maintenance, Regression Models, LSTMs, Performance Metrics, Machine Learning, Statistics, Python, Electronics, Mechatronics, Mechanical Engineering

Industry

Software Development

Description

Unternehmensbeschreibung Bei Bosch gestalten wir Zukunft mit hochwertigen Technologien und Dienstleistungen, die Begeisterung wecken und das Leben der Menschen verbessern. Unser Versprechen an unsere Mitarbeiterinnen und Mitarbeiter steht dabei felsenfest: Wir wachsen gemeinsam, haben Freude an unserer Arbeit und inspirieren uns gegenseitig. Willkommen bei Bosch. Die Moehwald GmbH freut sich auf Ihre Bewerbung! Stellenbeschreibung Ziel der Abschlussarbeit ist es, auf Basis von Mess- und Versuchsdaten eine automatisierte Datenauswertung und Datenanalyse zur Erweiterung unserer hauseigenen Softwareplattform Lioness zu entwickeln. Der Schwerpunkt liegt dabei auf der Konzeption, Implementierung und Evaluation eines robusten Zustandsüberwachungssystems (Condition Monitoring) mit integrierten Modulen zur vorausschauenden Instandhaltung (Predictive Maintenance). Die Aufgaben umfassen im Wesentlichen: Datenanalyse und -aufbereitung: Identifikation relevanter Sensordaten, Datenvorverarbeitung (Filterung, Normalisierung, etc.) und Feature Engineering zur Charakterisierung des Maschinenzustands (z.B. RMS-Werte, FFT). Zustandsüberwachung (Condition Monitoring): Entwicklung von Algorithmen zur Definition von Zustandsparametern und Schwellenwerten sowie zur Anomalieerkennung und Fehlerklassifikation mittels statistischer Methoden und maschinellem Lernen. Vorausschauende Instandhaltung (Predictive Maintenance): Konzeption und Implementierung von Modulen zur Prognose der Restlebensdauer (RUL) mittels z.B. Regressionsmodellen oder LSTMs. Dies beinhaltet auch die Fehlerursachenanalyse und die Generierung von Instandhaltungsempfehlungen zur Optimierung von Wartungsstrategien. Validierung und Evaluation: Bewertung der entwickelten Lösungen mittels geeigneter Performance-Metriken und praxisnaher Erprobung mit realen oder simulierten Daten. Qualifikationen Ausbildung: Sie studieren Informatik, Elektrotechnik, Mechatronik, Maschinenbau, Data Science oder verwandte Studiengänge im Master Persönlichkeit und Arbeitsweise: Sie arbeiten gerne eigenständig und strukturiert an neuen Lösungen und bringen sich aktiv in unser Team ein Erfahrung und Know-How: Sie haben programmiertechnische Kenntnisse - idealerweise in Python - und kennen die Grundlagen der Datenanalyse und -auswertung sowie der Zustandsüberwachung und vorbeugenden Instandhaltung. Weiterhin kennen Sie die Grundlagen im Bereich Machine Learning und/oder Statistik Sprachen: Sie können sich sehr gut in deutscher Sprache (mindestens C1) und gut in englischer Sprache verständigen Zusätzliche Informationen Beginn: ab 01.03.2026 Dauer: 3 – 6 Monate Arbeitsort: Homburg Voraussetzung für die Abschlussarbeit ist die Immatrikulation an einer Hochschule. Bitte fügen Sie Ihrer Bewerbung Ihren Lebenslauf, Ihren aktuellen Notenspiegel, die Prüfungsordnung sowie ggf. eine gültige Arbeits- und Aufenthaltserlaubnis bei. Vielfalt und Inklusion sind für uns keine Trends, sondern fest verankert in unserer Unternehmenskultur. Daher freuen wir uns über alle Bewerbungen: unabhängig von Geschlecht, Alter, Behinderung, Religion, ethnischer Herkunft oder sexueller Identität. Sie haben Fragen zum Bewerbungsprozess? Katharina Kunz (Personalabteilung) +49 6841 707 111

Responsibilities

The main goal of the thesis is to develop an automated data evaluation and analysis based on measurement and test data to enhance the in-house software platform Lioness. This includes data analysis, condition monitoring, predictive maintenance, and validation of developed solutions.