Werkstudent | KI & Data Science Automotive

Als führender Partner im Automotive Engineering setzen wir neue Maßstäbe. Autonomes Fahren. Elektromobilität. Connectivity. Mit dem Global Player HCLTech an unserer Seite verbinden wir Stabilität mit innovativem Mindset. Du bist einzigartig - und genau das suchen wir! Deine Ideen. Dein Know-How. Der Schlüssel zur Mobilität von morgen. Werde jetzt Teil von #teamASAP.

Du willst KI-Methoden nicht nur in Vorlesungen sehen, sondern selbst an realen Anwendungsfällen umsetzen? In unserem Großprojekt baust du mit uns ein KI-System auf, das Diagnose-Daten automatisiert analysiert, Knowledge Bases pflegt und perspektivisch als agentischer Copilot arbeitet - RAG, LLMs, Multi-Agent-Systeme inklusive.

Dein Beitrag

• Aufbau einer Knowledge Base und Vektor-Datenbank für Fahrzeug-Diagnosedaten
• Entwicklung von Parsern und ML-Pipelines zur Analyse von Logdaten
• Prototyping von RAG-Systemen mit Frameworks wie LangChain oder LangGraph
• Evaluierung und Fine-Tuning aktueller LLMs (z. B. Llama, Mistral) für Automotive-Cases
• Training von ML-Modellen zur Anomalieerkennung sowie Erstellung von Dashboards, * Praxiseinsatz an echten Automotive-Daten - kein Toy-Dataset, sondern reale Diagnose-Traces
• Modernster Tech-Stack: LLMs, Multi-Agent-Systeme, Vektor-Datenbanken, MLOps
• Direkte Zusammenarbeit mit erfahrenen ML-Engineers und Data Scientists
• Flexibles Arbeiten, angepasst an dein Studium
• Lifelong learning: Trainings & Mentoring - gemeinsam entwickeln wir uns weiter
• Unvergessliche Events: Nicht nur an Weihnachten - unsere Erfolge feiern wir am liebsten als Team
• …und vieles mehr

• Studium der Informatik, Data Science, KI oder Mathematik (ab 3. Semester)
• Sichere Python-Kenntnisse sowie Erfahrung mit ML-Frameworks (PyTorch, TensorFlow) und Git
• Theoretische Grundlagen in ML/Deep Learning, idealerweise ergänzt um NLP- oder Cloud-Wissen
• Interesse an LLMs, RAG-Architekturen oder Vektor-Datenbanken (z. B. Qdrant, Chroma)
• Gute Deutsch- und Englischkenntnisse sowie Eigeninitiative (z. B. eigene GitHub-Projekte)