About this role
Unser interdisziplinäres Team arbeitet an der Schnittstelle von Künstlicher Intelligenz, Embedded Systems und Edge Computing. Unser Ziel ist es, zukunftsweisende KI-Lösungen für ressourcenbeschränkte, dezentrale Systeme zu entwickeln – von autonomen Sensoren über vernetzte Geräte bis hin zu industriellen Anwendungen. Im Zentrum stehen Fragestellungen wie:
- Wie lassen sich KI-Modelle effizient auf Mikrocontrollern betreiben?
- Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet?
- Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet?
- Wie kann dezentrale KI auf mehreren Edge-Geräten effizient in Bezug auf Speicher, Kommunikation und Robustheit zusammenarbeiten? (z. B. über Federated Learning oder Swarm Intelligence)?
Was Sie bei uns tun
Mögliche Themengebiete:
⦁ Optimierung des Machine-Learning-Frameworks AI for Embedded Systems (AIfES)
⦁ Entwicklung und Optimierung von dezentralem Edge AI in IoT-Netzwerken durch Federated Learning
⦁ Entwicklung und Optimierung von Verfahren für Anomaliedetektion bei selbstlernenden Sensorsystemen
⦁ Optimierung von KI-Modellen für Embedded-Plattformen (z. B. Quantisierung, Pruning, TinyML)
⦁ Entwicklung adaptiver Lernmechanismen für sich verändernde Umgebungsbedingungen
⦁ Entwicklung von Tool-Chains zur Portierung von KI-Modellen auf verschiedene, eingebettete Systeme
Bitte geben Sie bei Ihrer Bewerbung an, für welches Thema Sie sich interessieren.