Wissenschaftliche Hilfskraft (m/w/d)

  • Stellenausschreibung:

    Wissenschaftliche Hilfskraft in Forschungsprojekt zur Erstellung eines synthetischen Trainingsdatensatzes für KI-basierte Kfz-Kennzeichenerkennung
  • Stellenart:

    Wissenschaftliche Hilfskraft (m/w/d)
  • Institut:

    Institutsteil Fahrzeugtechnik
  • Eintrittstermin:

    ab sofort
  • Kontaktperson:

    Stangenberg, L.
Links

LISYNSE | KAMO Open Data Call 2026

Forschungsprojekt zur Erstellung eines synthetischen Trainingsdatensatzes für KI-basierte Kfz-Kennzeichenerkennung

Projektkontext

Im Forschungsprojekt LISYNSE wird ein synthetischer Trainingsdatensatz für Kfz-Kennzeichenerkennung mittels KI entwickelt. Für dieses Projekt suchen wir motivierte wissenschaftliche Hilfskräfte. Ziel ist die Entwicklung einer modular erweiterbaren Pipeline für die Generierung synthetischer Kennzeichenbilddaten mit Annotationen. Ebenfalls Teil des Projektes sind die Validierung des Datensatzes und die Veröffentlichung auf RADAR4KIT.

Aufgabenbereiche

Die Aufgaben sind in drei Module unterteilt, wobei primär Tätigkeiten in jeweils einem Modul übernommen werden sollen. Die Module erfordern gegenseitige Abstimmung, weswegen die enge Zusammenarbeit im Team wichtig ist. Aufgaben können teilweise modulübergreifend anfallen – Flexibilität und Interesse an angrenzenden Themenbereichen sind erwünscht.

Modul A: Pipeline-Entwicklung & Rendering

  • Entwicklung und Wartung der technischen Rendering-Pipeline (u. a. Python, C++, Blender)
  • Recherche und Implementierung z. B. von optischen Effekten zur Reduktion der Domain Gap zwischen synthetischen und realen Daten
  • Parametrisierung verschiedener Pipelinemodule z. B. für Kennzeichentypen und Umgebungsbedingungen
  • Optimierung von Render-Performance und Datenqualität

Skills von Vorteil: Python, Git, Blender, C++, Kenntnisse in Computer Graphics, Interesse an Fotografie/Cinematography

Modul B: Validierung & Iteration

  • Auswahl und Training von KI-Modellen zur Bewertung der Datensatzqualität
  • Durchführung von Performance-Analysen und Metriken-Evaluation
  • Iterative Rückkopplung mit Modul A zur Pipeline-Verbesserung
  • Dokumentation von Trainingsergebnissen und Experimenten

Skills von Vorteil: PyTorch oder TensorFlow, Grundlagen Machine Learning/Deep Learning, Erfahrung mit Evaluationsmetriken

Modul C: Validierungsdatensatz

  • Aufbau und Pflege eines Benchmark-Datensatzes
  • Annotation und Metadaten-Anreicherung (z. B. Lage, Orientierung, Umgebungsbedingungen)
  • Koordination mit Modul B zur Validierungsstrategie

Skills von Vorteil: Erfahrungen in der KI-Validierung und Datenannotation, Sorgfalt im Umgang mit sensiblen Daten

Gemeinsame Anforderungen

  • Laufendes Studium der Informatik, Mechatronik, Elektro-/Maschinenbau oder vergleichbarer Fachrichtung
  • Selbstständige und strukturierte Arbeitsweise
  • Hohe Kommunikationsbereitschaft – regelmäßiger Austausch im Team und mit Projektleitung
  • Vertrautheit mit Versionskontrolle (Git) oder Bereitschaft, sich schnell einzuarbeiten
  • Zuverlässige Dokumentation der eigenen Arbeit

Bewerbung

Bitte senden Sie Ihre Bewerbungsunterlagen an die unten stehende E-Mail-Adresse.

Erforderliche Unterlagen

  • Motivationsschreiben
  • Lebenslauf
  • Aktueller Notenspiegel
  • Aktuelle Studienbescheinigung
  • Ggf. kurze Darstellung relevanter Projekterfahrungen

Rahmenbedingungen

  • Vergütung: nach TV-L Studentische Hilfskraft
  • Zeitliches Kontingent: ca. 40 Stunden/Monat
  • Laufzeit: bis Ende 2026
  • Arbeitsort: KIT Campus Ost / Mobiles Arbeiten
  • Bewerbungszeitraum: laufend
  • Geplanter Start: ab sofort

Geben Sie in Ihrer Bewerbung bitte 1–2 Präferenzen für die oben genannten Module (A, B, C) an. Eine Zuordnung erfolgt nach Eingang der Bewerbungen unter Berücksichtigung Ihrer Stärken und Interessen.

Kontakt für Bewerbungen