Beim Fehlerreaktionstest werden elektrische Diagnosen der Antriebssteuergeräte durch gezielte Fehleraufschaltungen validiert. Dabei wird die gesamte Wirkkette im Fahrzeug analysiert – von Fehlererkennung bis zur Reaktion des Gesamtsystems. Die Kernfragen in der Auswertung sind die folgenden:

• Sind die richtigen Fehler im Fehlerspeicher?
• Gibt es zusätzliche Fehler im Fehlerspeicher, die eigentlich nicht hätten auftreten dürfen?
• Werden die richtigen Ersatzreaktionen (z.B. Notlauf) gestartet?
• Werden die richtigen Fehlermeldungen getriggert?
• Sind die Reparaturanweisungen für die Werkstatt korrekt?
• Stimmt die Kommunikation mit den anderen Steuergeräten?

Während der Testdurchführung und bei der Auswertung unterstützt eine eigens entwickelte Web-Applikation. Die erzeugten Daten werden in einer Datenbank gespeichert und in der Web-Applikation durch Auswerteskripte vorverarbeitet. Anschließend werden die von den Skripten erzeugten Prüfungsergebnisse weiter manuell ausgewertet und bei Auffälligkeiten entsprechend weitergeleitet.

Ziel dieser Abschlussarbeit ist es, historische Fehlerdaten und Sollreaktionsverhalten mithilfe von KI-Methoden zu analysieren, um die Fahrzeugreaktionen und Prüfungsergebnisse bei zukünftigen Tests automatisiert bewerten zu können. Dabei sollen Muster erkannt und Modelle entwickelt werden, die eine intelligente Auswertung der Reaktionskette ermöglichen.

• Du recherchierst ausgiebig Literatur für mögliche KI-Techniken, um automatisiert auszuwerten. 
• Du analaysierst historische Fehlerdaten, Prüfungsergebnisse und Sollreaktionen aus Fahrzeugflotten von vergangenen Tests.
• Du bist verantwortlich Entwicklung und Implementierung von KI-Methoden zur automatisierten Auswertung der Fehlerreaktionstests u.a. durch die Entwicklung eines Modells zur Vorhersage des Sollverhaltens des Fahrzeugs. 
• Du leitest Optimierungspotenziale für weitere KI-gestützte Automatisierungen ab.
• Du dokumentierst die Ergebnisse und erstellst Berichte für den Fachbereich.

• Laufendes Studium im Bereich Informatik, Informationswissenschaften, Elektrotechnik oder ein vergleichbarer Studiengang
• Gute Programmierkenntnisse (Python, C/C++, o.ä.)
• Erste praktische Erfahrungen mit Deep Learning Frameworks (PyTorch, tf, o.ä.)
• Deutschkenntnisse auf C1-Niveau und Englischkentnisse auf B2-Niveau 

• Analytische Denkweise und selbständige Arbeitsweise
• Hohes Maß an Engagement, Kreativität sowie Lern- und Leistungsbereitschaft

Als Student:in arbeitest du bei IAV nicht irgendwo, sondern mittendrin. In echten Projekten. An spannenden Zukunftsaufgaben. Voll integriert und im Schulterschluss mit IAV-Expert:innen. Viel Verantwortung und gleichzeitig viel Freiraum, um Uni und Arbeit zusammen zu bringen: So entstehen beste Perspektiven für deine berufliche Entwicklung. Bei attraktiver Vergütung nach unserem Haustarifvertrag.

Uns sind Vielfalt und Chancengleichheit wichtig. Für uns zählt der Mensch mit seiner Persönlichkeit und seinen Stärken.