Werkstudent Data Science & Machine Learning

In den vergangenen Jahrzehnten haben wir uns mit unseren Produkten für Fahrwerk, Karosserie und Antrieb zu einem Top-Automobilzulieferer entwickelt. Mit neuen Leichtbauprodukten, Werkstoffen und Fertigungstechnologien bieten wir in enger Zusammenarbeit mit unseren Kunden und wissenschaftlichen Institutionen innovative Lösungen für leichtere Fahrzeuge. Wir schaffen bahnbrechende Neuerungen und setzen damit internationale Standards. Als inhabergeführtes Familienunternehmen mit hoher Flexibilität, kurzen Entscheidungswegen und einer langfristig ausgerichteten Strategie beschäftigen wir weltweit mehr als 17.500 Mitarbeiter an 58 Standorten in über 20 Ländern., Gestalte die digitale Zukunft der Produktion aktiv mit! In unserem Zentralbereich Fertigungstechnologien unterstützt Du uns beim Aufbau intelligenter Produktionssysteme. Du arbeitest an Machine Learning Use Cases wie Predictive Maintenance, Anomalieerkennung und Prozessoptimierung - von der Datenanalyse bis zum produktiven ML-Modell. Dabei nutzt Du Echtzeitdaten aus unserer zentralen IoT-Plattform, entwickelst Auswertungsalgorithmen und baust Dashboards für unsere weltweiten Produktionsstandorte auf. Du bekommst Einblicke in modernste Fertigungstechnologien und arbeitest in cross-funktionalen Projekten mit Produktionsexperten zusammen. Deine Analysen haben direkten Impact auf die Effizienz unserer Werke.

• Du befindest Dich mindestens im 3. Semester Deines B.Sc.- oder stehst am Anfang deines M.Sc.-Studiums in Data Science, Informatik, Maschinenbau, Wirtschaftsingenieurwesen, Mathematik oder einem verwandten Studiengang.
• Du hast bereits erste Erfahrungen mit Python und interessierst Dich für Machine Learning (z.B. scikit-learn, TensorFlow, pandas).
• Du gehst sicher mit Datenanalyse und Visualisierung um.
• Du hast die Möglichkeit, regelmäßig in Attendorn zu arbeiten.
• Du bringst analytisches Denken, Neugier und eine Hands-on-Mentalität mit.
• Idealerweise hast Du bereits mit SQL, Zeitreihendaten oder IoT-Systemen gearbeitet.