Motivation

Für die Forschung an automatisierten Fahrfunktionen entwickelt das IPEK neue Ansätze zur Validierung automatisierten und autonomen Fahrfunktionen. Mit dem Trend zu End-to-End-Architekturen entfallen die typisierten Zwischenrepräsentationen modularer Architekturen. Damit verliert die entwicklungsbegleitende Absicherung wichtige Ansatzpunkte. Die Absicherung muss daher im Betrieb fortgesetzt werden - durch Runtime Monitoring, die laufzeitseitige Bewertung, ob die Ausgabe der E2E-Fahrfunktion vertrauenswürdig und insbesondere sicher ist.

 Aufgaben

• Systematische Erfassung und Klassifikation aktueller Runtime-Safety-Monitoring-Ansätze für automatisiertes Fahren auf Basis einer Literaturrecherche nach etablierten Methoden systematischer Reviews (z. B. definierte Suchstrings, Datenbanken sowie Ein- und Ausschlusskriterien)
• Entwicklung einer konsistenten Taxonomie, die Monitoring-Ansätze danach ordnet, welche Informationen sie von der überwachten Fahrfunktion voraussetzen
• Einordnung ausgewählter, öffentlich dokumentierter AD-Stacks in diese Taxonomie hinsichtlich Architekturansatz, Modularität und vorhandener Absicherungs- und Monitoring-Konzepte
• Identifikation von Forschungslücken und Trends, insbesondere im Spannungsfeld zwischen Leistungsfähigkeit und Absicherbarkeit datengetriebener Systeme
• Wissenschaftliche Ausarbeitung der Abschlussarbeit (Deutsch oder Englisch)

Qualifikationen

• Studium in Maschinenbau, Wirtschaftsingenieurwesen, Wirtschaftsinformatik oder ähnliches

• Interesse an Softwarearchitekturen, autonomen Fahren und aktuellen Entwicklungen im Bereich Robotik

• Grundkenntnisse in autonomen Fahrsystemen, KI/ML oder Fahrzeug- bzw. Robotikarchitekturen von Vorteil

• Analytische und strukturierte Arbeitsweise sowie die Fähigkeit, komplexe technische Inhalte verständlich und nachvollziehbar aufzubereiten

• Sehr gute Englischkenntnisse

Das bieten wir

• Bearbeitung eines aktuellen und wissenschaftlich relevanten Themas im Bereich automatisiertes Fahren

• Enge fachliche Betreuung und methodische Unterstützung bei der Erstellung eines systematischen Surveys

• Tiefe Einblicke in moderne AD-Architekturen und Absicherungsstrategien

• Möglichkeit, fundierte Kompetenzen im Bereich Autonomes Fahren aufzubauen

• Option, die Ergebnisse der Abschlussarbeit weiterzuverwerten (z. B. Konferenzbeitrag, Journal-Survey, Fachvortrag), abhängig von Qualität und Interesse

Beginn: Ab sofort

Interesse geweckt? Dann melde dich bei anian.scheibel∂kit.edu mit deinem aktuellen Notenauszug und Lebenslauf!

Starter-Literatur: 

• [2511.05982] Runtime Safety Monitoring of Deep Neural Networks for Perception: A Survey
• [2306.16927] End-to-end Autonomous Driving: Challenges and Frontiers