[Skip to main content](#main-content)

[ OpenNash ](https://opennash.com/) / [Jobs](https://jobs.opennash.com/) [ 01 Search jobs](https://jobs.opennash.com/search/)[ 02 Companies](https://jobs.opennash.com/explore/)[ 03 Hiring report](https://jobs.opennash.com/reports/hiring/)[ 04 AI assistants](https://jobs.opennash.com/connect/)[ 05 How it works](https://jobs.opennash.com/methodology/)

Mercedes-Benz Group · Sindelfingen, DE

# Student*in für Masterarbeit Unsicherheitsquantifizierung und Zuverlässigkeitsbewertung virtueller KI-Sensoren Fahrwerk

Sindelfingen, DE 

Listed on Mercedes-Benz Group’s official careers site. Posted November 10, 2026. Check that it is still open and apply there.
[Apply on Mercedes-Benz Group’s careers site →](https://jobs.mercedes-benz.com/en/student*in-fur-masterarbeit-unsicherheitsquantifizierung-und-zuverlassigkeitsbewertung-virtueller-ki-sensoren-fahrwerk-246029-mer0004aci)

[OpenNash Jobs](https://jobs.opennash.com/) / [Mercedes-Benz Group](https://jobs.opennash.com/companies/mercedes-benz-group/) / Student*in für Masterarbeit Unsicherheitsquantifizierung und Zuverlässigkeitsbewertung virtueller KI-Sensoren Fahrwerk

## Job description

Tasks Die Abteilung RD/MDS ist verantwortlich für die Betriebsfestigkeit des Fahrwerks und führt u. a. den entsprechenden Nachweis zur Serienfreigabe durch. Entlang der Entwicklungsphase bis hin zur Serienfreigabe erstellen wir für das Gesamtfahrzeug Lastkollektivberechnungen und messungen. Außerdem führen wir Festigkeitsberechnungen und -prüfungen sowie Verschraubungsauslegungen und experimentelle Analysen für das Fahrwerk durch.

Wesentliche Grundlage für diese Aufgaben sind Belastungsmessungen in Entwicklungsfahrzeugen sowie die Kenntnis der zu erwartenden Belastungen in den weltweit im Einsatz befindlichen Kundenfahrzeugen. Die relevanten Belastungsgrößen können meist nicht direkt durch vorhandene Sensoren erfasst werden. Daher kommt in Entwicklungsfahrzeugen aufwendige Messtechnik zum Einsatz, um z. B. Bauteilkräfte oder Antriebsmomente zu messen.

An nicht zugänglichen Stellen oder für Fahrzeuge ohne spezielle Messtechnik müssen die relevanten Größen hingegen abgeschätzt werden. Hierfür werden sogenannte virtuelle Sensoren verwendet, die auf Basis vorhandener Signale die Belastungen vorhersagen.

### Thema und Problematik

Virtuelle Sensoren liefern als Regressionsmodelle heute nur eine Punktschätzung der Belastung. Wie verlässlich die einzelne Vorhersage ist, bleibt offen. Im Kundenfahrzeug verändern sich die Betriebsbedingungen, zum Beispiel durch Anbauteile, andere Räder und Reifen, Fahrwerksänderungen, Verschleiß oder fehlerhafte Eingangssignale (Signaldrift, Sensorausfall,...). Das Modell gerät dadurch außerhalb seines Trainingsbereichs.

In der Entwicklung stehen Referenzmessungen zur Verfügung, im Kundenbetrieb dagegen nicht. Die Zuverlässigkeit muss dort also ohne Ground Truth bewertet werden.

### Aufgaben und Ziele

Einarbeitung in den Stand der Technik zu Unsicherheitsquantifizierung (z. B. Conformal Prediction, Quantilregression, Bayes'sche Verfahren) sowie zu Out-of-Distribution- (OOD-) und Drift-Erkennung Entwicklung eines modellagnostischen Konzepts, das Vorhersageintervalle mit einer Zuverlässigkeitsbewertung verbindet und auf beliebige Regressionsmodelle anwendbar ist Differenzierung zwischen Verfahren, die Referenzdaten benötigen (Entwicklung), und Verfahren, die ohne Label auskommen (Kundenbetrieb) Implementierung und Validierung im bestehenden Python-Framework anhand realerMessdaten und definierter Fahrzeugzustandsänderungen Bewertung hinsichtlich Aussagekraft, Rechen- und Speicheraufwand im Hinblick auf eine spätere Embedded-Umsetzung optional: Übertragung der Unsicherheit auf betriebsfestigkeitsrelevante Kenngrößen sowie prototypische Embedded-Implementierung Dokumentation und wissenschaftliche Aufbereitung der Ergebnisse Die Tätigkeit kann ab Q1 2027 beginnen.

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

### Qualifications

Studiengang im Bereich Ingenieurwissenschaften, Informatik, Physik, (Technische) Mathematik oder ein vergleichbarer Studiengang große Begeisterung und idealerweise erste Erfahrungen im Bereich Machine Learning / Data Science Erfahrung in der Python-Programmierung für die Datenanalyse ausgeprägte und kreative Problemlösekompetenz sowie Eigenständigkeit Spaß an wissenschaftlicher Arbeit Bonus: Kenntnisse in Unsicherheitsquantifizierung oder OOD-, Drift-, Anomalie- Erkennung Bonus: Kenntnisse im Bereich Fahrwerkstechnik oder Betriebsfestigkeit Wir empfehlen und bieten ein bezahltes Praktikum (1-3 Monate) vor der Abschlussarbeit an, um sicherzustellen, dass ausreichend Zeit für das Aufsetzen sowie die Einarbeitung in die Softwareumgebungen vorhanden ist.

Starttermin und Dauer sind erste Vorschläge und können bei Bedarf flexibel angepasst werden Zusätzliche Informationen: Wir freuen uns auf Deine Online-Bewerbung mit Lebenslauf, Zeugnissen, aktueller Immatrikulationsbescheinigung mit Angabe des Fachsemesters und Nachweis über die Regelstudienzeit. Ein Anschreiben ist optional. Bitte vergiss nicht im Online-Formular Deine Dokumente als "relevant für diese Bewerbung" zu markieren und beachte die maximale Dateigröße von 5 MB.

Weiterführende Informationen zu den Einstellkriterien findest Du hier. Schwerbehinderte und gleichgestellte Bewerbende sind herzlich willkommen! Die Schwerbehindertenvertretung ( sbv-sindelfingen@mercedes-benz.com) unterstützt Dich gerne im Bewerbungsprozess. People Solutions hilft Dir bei Fragen zum Bewerbungsprozess gerne weiter. Du erreichst uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).

## At a glance
- Posted by the employer: Nov 10, 2026
- First seen by OpenNash: Nov 17, 2026
- Last checked: Nov 17, 2026
- Listed for: 7 days
- Location: Sindelfingen, DE[Apply on Mercedes-Benz Group’s careers site →](https://jobs.mercedes-benz.com/en/student*in-fur-masterarbeit-unsicherheitsquantifizierung-und-zuverlassigkeitsbewertung-virtueller-ki-sensoren-fahrwerk-246029-mer0004aci)

## Hiring at Mercedes-Benz Group
- Open jobs: 849
- New in the last 7 days: 124
- Tracked since: Oct 13, 2026

[All Mercedes-Benz Group jobs](https://jobs.opennash.com/companies/mercedes-benz-group/) · [Weekly hiring report](/reports/hiring/)

## More jobs at Mercedes-Benz Group

### [Praktikant*in Anlauffabrik & Produktintegration AMG Electric Architecture und neue S‑Klasse](https://jobs.opennash.com/companies/mercedes-benz-group/jobs/196c1215812df48e83eb/)

Sindelfingen, DE

### [Praktikant*in Digitale Baubarkeit Exterieur- & Interieur-Systeme](https://jobs.opennash.com/companies/mercedes-benz-group/jobs/9ed648fc708319b8c1a1/)

Sindelfingen, DE

### [Praktikant*in Entwicklung digitaler Zugangs- & Autorisierungssysteme](https://jobs.opennash.com/companies/mercedes-benz-group/jobs/4dfe9f3602cc6ffd38f8/)

Sindelfingen, DE

### [Praktikant*in Thermischer Komfort Systementwicklung](https://jobs.opennash.com/companies/mercedes-benz-group/jobs/67628dfee7eca89cc3b5/)

Sindelfingen, DE

### [Werkstudent*in Entwicklung e-Drive Large Cars & VAN](https://jobs.opennash.com/companies/mercedes-benz-group/jobs/56fbeecba13fb6b05081/)

Sindelfingen, DE

## Similar jobs at other companies

### [Masterarbeit - Shaping Multi-Agent-Based Production Engineering](https://jobs.opennash.com/companies/siemens/jobs/b3a86c1a7128a4b8a9b2/)

Siemens 

### [Masterarbeit: Simulation eines optischen halbleiterbasierten Messverfahrens für Teilentladungen](https://jobs.opennash.com/companies/siemens/jobs/77d5280fc511ed41a5f3/)

Siemens 

### [Masterarbeit](https://jobs.opennash.com/companies/tdk/jobs/28d3e16239a6c9da6163/)

TDK 

### [Masterarbeit - Fortgeschrittene CCM-Charakterisierung & MEA-Integrationsoptimierung (m/w/d)](https://jobs.opennash.com/companies/airbus/jobs/70699aea48c1bdaed32a/)

AIRBUS · Dettingen an der Erms

### [Masterarbeit: Virtuelle Erstkalibration von Innenraumluftgüteüberwachungs­modellen](https://jobs.opennash.com/companies/magna-international/jobs/4cc623001042b9d1e36d/)

Magna International · Graz, AT

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

[ OpenNash ](https://opennash.com/)

AI-native services firm that builds custom software and 24/7 AI agents.

OpenNash Jobs is an OpenNash Applied AI project.
[Book time with OpenNash](https://calendly.com/opennash/new-meeting?hide_gdpr_banner=1)

Jobs
- [Search jobs](https://jobs.opennash.com/search/)
- [Companies](https://jobs.opennash.com/explore/)
- [Hiring report](https://jobs.opennash.com/reports/hiring/)
- [AI assistants](https://jobs.opennash.com/connect/)
- [How it works](https://jobs.opennash.com/methodology/)

OpenNash
- [opennash.com](https://opennash.com/)
- [Services](https://opennash.com/ai-agent-consulting/)
- [OpenNash CX](https://opennash.com/cx/)
- [AI Tools](https://opennash.com/ai-tools/)
- [Blog](https://opennash.com/blog/)
- [About](https://opennash.com/about/)

Contact
- [hello@opennash.com](mailto:hello@opennash.com)

- [LinkedIn](https://www.linkedin.com/company/opennash)

- [Support](https://jobs.opennash.com/support/)

- [Privacy](https://jobs.opennash.com/privacy/)

- [Terms](https://jobs.opennash.com/terms/)

© 2026 OpenNash, Inc. Company names and public job postings belong to their respective owners. Employers control source availability and application decisions.
