Search

Student*in Masterarbeit im Bereich Digitalisierung Gesamtfahrzeugversuch

Mercedes-Benz AG
locationSindelfingen, Deutschland
VeröffentlichtVeröffentlicht: 11.6.2026
Life is always about becoming… Im Leben geht es darum, sich auf eine Reise zu begeben, um die beste Version unseres zukünftigen Selbst zu werden. Während wir Neues entdecken, stellen wir uns Herausforderungen, meistern sie und wachsen über uns hinaus.

Bewerben Sie sich bei Mercedes-Benz und finden Sie den Aufgabenbereich, in dem Sie Ihre Talente individuell entfalten können. Dabei werden Sie von visionären Kolleginnen und Kollegen unterstützt, die Ihren Pioniergeist teilen. Bei uns einzusteigen bedeutet, Teil eines globalen Teams zu werden, dessen Ziel es ist, die begehrenswertesten Automobile der Welt zu bauen. Together for excellence.

Stellennummer: MER000441P
Aufgaben

Unsere Abteilung Gesamtfahrzeugversuch Large-Cars MB.EA-L ist verantwortlich für die digitalen Versuche und weltweiten Tests von Prototypen im Oberklasse-Segment von Mercedes-Benz.

Im Team Digitale Absicherung & Querschnittsfunktionen steuern wir die digitalen Versuche aller Fahrzeuge von Mercedes-Benz in frühen Entwicklungsphasen, verantworten die Entwicklung und Optimierung unserer digitalen Simulations-Methoden im Gesamtfahrzeugkontext.

Darüber hinaus ist unser Team für die Koordination und Kommunikation zu anderen Fachabteilungen aus Sicht des Gesamtfahrzeugversuchs verantwortlich und treibt somit den Reifegrad und die Qualität unserer Fahrzeuge in frühen Phasen voran.

Diese Herausforderungen kommen auf Sie zu:

  • Einarbeitung in bestehende Simulationsmethoden (z. B. SPH, FEM, CFD) und Verständnis der relevanten physikalischen Zusammenhänge

  • Erstellung einer Übersicht zur Eignung der verwendeten Simulationsmethoden auf den Einsatz von KI

  • Selektion einer Simulationsmethode als Grundlage für die prototypische KI-Integration

  • Entwicklung und Training eines KI-Modells zur Beschleunigung oder Teilersetzung der Simulation

  • Kritische Bewertung der Praxistauglichkeit und Ableitung von Empfehlungen für den industriellen Einsatz

  • Ausblick auf einen Vergleich KI-Modell vs. klassische Simulation hinsichtlich Genauigkeit, Rechenzeit, Robustheit und Übertragbarkeit

Die Tätigkeit kann ab September 2026 beginnen.


Die endgültige Themenfindung erfolgt in Absprache mit der Hochschule, Ihnen und uns.


Profil
  • Studiengang im Bereich Ingenieurswesen (Maschinenbau, Fahrzeugtechnik, Informatik, etc.)

  • Vertrauter Umgang mit KI-Modellen (NN, Surrogatmodelle, LLMs, etc.)

  • Erweiterte Kenntnisse in der Programmierung (z.B. Python, Matlab, etc.)

  • Begeisterung für Fahrzeuge und Innovationen

  • Sichere Deutsch- und Englischkenntnisse in Wort und Schrift

  • Sicherer Umgang mit MS-Office

  • Grundkenntnisse im Bereich CAD (Siemens NX, Catia, Solid Edge, etc.)

  • Engagement und Teamfähigkeit

  • Analytische Denkweise und strategische Arbeitsweise

Zusätzliche Informationen:

Wir freuen uns auf Ihre Online-Bewerbung mit Lebenslauf, Anschreiben, Zeugnissen, aktueller Immatrikulationsbescheinigung mit Angabe des Fachsemesters und Nachweis über die Regelstudienzeit. Bitte vergessen Sie nicht im Online-Formular Ihre Dokumente als "relevant für diese Bewerbung" zu markieren und die maximale Dateigröße von 5 MB zu beachten.

Weiterführende Informationen zu den Einstellkriterien finden Sie hier.

Schwerbehinderte und gleichgestellte Bewerbende sind herzlich willkommen! Die Schwerbehindertenvertretung (sbv-sindelfingen@mercedes-benz.com) unterstützt Sie gerne im Bewerbungsprozess.

HR Services hilft Ihnen bei Fragen zum Bewerbungsprozess gerne weiter. Sie erreichen uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).


Wir bieten
  • Essens­zulagen
  • Mit­arbeiter­handy möglich
  • Mit­arbeiter­rabatte möglich
  • Mit­arbeiter­beteili­gung möglich
  • Mit­arbeiter Events
  • Coaching
  • Flexible Arbeits­zeit möglich
  • Hybrides Arbeiten möglich
  • Gesund­heits­maß­nahmen
  • Betrieb­liche Alters­ver­sorgung
  • Mobilitäts­angebote
  • Park­platz
  • Betriebs­arzt
  • Gute An­bindung
  • Barriere­frei­heit
  • Kinder­betreuung
  • Kantine, Café

STBL1_DE