Der Lehrstuhl von Prof. Bajcinca forscht schwerpunktmäßig an modernen Methoden und anspruchsvollen Anwendungen der Regelungs und Systemtheorie und ist in den drei Hauptsäulen Hybride Systeme und Cyberphysik, Komplexe Dynamische Systeme und Maschinelles Lernen und Steuerung organisiert. Durch die Vernetzung mit einer Vielzahl von nationalen und internationalen Forschungs-, universitären und Industriepartner können regelmäßig Förderprojekte mit hochinteressanten Aufgabenstellungen der modell- und datenbasierten Regelung, Inferenz und Entscheidungsfindung in komplexen technischen und biologischen dynamischen Systeme gewonnen werden. Darüberhinaus verfügt der Lehrstuhl über eine ausgezeichnete Laborausstattung in den Bereichen autonomes Fahren, Robotik und Energiesysteme, welche kontinuierlich weiterentwickelt wird. Für mehr Informationen:

https://www.mv.uni-kl.de/mec/home.

Zukünftige Fahrzeuge werden durch einen hohen Grad der Autonomie gekennzeichnet sein. Die autonome Fahrzeugsteuerung benötigt adaptive und selbstlernende Algorithmen zur Entscheidungsfindung, welche eine enge Kopplung der Verfahren der Regelungstechnik und Computer Vision bedingen. Dies erfordert den Einsatz von Methoden des maschinellen Lernens und der  modellbasierten Planung und Regelung, woraus neuartige hybride Ansätze resultieren, welche neben den wissenschaftlichen Fragestellungen bzgl. der Reglersyntheseverfahren sowie der Bewertung der so synthetisierten Regelsysteme in kritischen Verkehrsszenarien (z.B. bei Bildung einer Rettungsgasse) auch Bedarf an einer organischen Einbettung in eine hierarchische Architektur herforrufen.

Die Abwicklung der vorliegenden Forschung soll im Rahmen des durch BMVI geförderten Projektes AORTA https://www.aorta-projekt.de und einer engen Kooperation mit  Industriepartnern durchgeführt werden.

Ihr Aufgabenfeld umfasst:

• Entwicklung von Algorithmen für hochautomatisiertes Fahren (HAF) auf Grundlage der Verfahren der modellprädiktiven Regelung (MPC) und Reinforcement Learning (RL)
• Implementierung der Algorithmen auf einen am Lehrstuhl vorhandenen  autonomfahrenden PKW-Versuchsträger
• Durchführung von Testfahrten auf dem Testfeld
• Erweiterung der Algorithmen zur Vernetzung mit anderen Verkehrsteilnehmern bei der automatisierten Bildung einer Rettungsgasse
• Enge Kooperation innerhalb der Forschungsgruppe sowie mit Industriepartnern
• Hilfestellung bei der Akquise und Beantragung neuer Forschungsprojekte.

• Überdurchschnittlich abgeschlossenes Hochschulstudium im Bereich Elektrotechnik, Informatik oder Mathematik
• Erweiterte regelungstechnische und optimierungstechnische Kompetenzen, die über die Inhalte der Grundlagenvorlesungen hinausgehen
• Kenntnisse in den Methoden des maschinellen Lernens sowie Erfahrung mit ML Tools wie Tensorflow, Keras oder PyTorch sind wünschenswert
• Kenntnisse in mindestens einer Programmiersprache: Matlab, Julia oder Python werden erwartet
• Kenntnisse im Bereich der Fahrzeugtechnik und Elektromobilität wünschenswert
• Organisations- und Kooperationsfähigkeit mit wissenschaftlichen sowie industriellen Partnern unterschiedlicher Disziplinen
• verhandlungssichere Deutsch- und Englischkenntnisse in Wort und Schrift von Vorteil.

• Vergütung nach TV-L E13 mit zunächst einjähriger Befristung
• Die Möglichkeit zur Promotion und zur Lehrtätigkeit ist bei wissenschaftlicher Eignung gegeben
• Die TUK ermutigt qualifizierte Akademiker*innen nachdrücklich, sich zu bewerben
• Schwerbehinderte werden bei entsprechender Eignung bevorzugt eingestellt (bitte Nachweis beifügen)
• Elektronische Bewerbung wird bevorzugt. Bitte nur ein einziges zusammenhängendes PDF anhängen.

Es erwartet Sie eine interessante, abwechslungsreiche und verantwortungsvolle Aufgabe in einem jungen, hoch-motivierten, interdisziplinären Team eines wachsenden Lehrstuhls mit großem persönlichen Gestaltungsspielraum.

Prof. Dr.-Ing. Naim Bajcinca
Phone: +49 (0)631/205-3230
Mobile: +49 (0)172/614-8209
Fax:  +49 (0)631/205-4201
Email: mec-apps(at)mv.uni-kl.de

Autonomes Fahren
Vernetztes Fahren
Modellprädiktive Regelung
Reinforcement Learning

Anschreiben
Lebenslauf
Universitätszeugnisse

31. Oktober 2023

ab sofort

Download summary as PDF