Praktikant*in Future Digital Engineering – Schwerpunkt Datengetriebene CAE-Methoden

Die Mercedes-Benz AG ist ein Pionier in der Automobilbranche, der kontinuierlich nach technologischen Durchbrüchen strebt. Am Standort Sindelfingen beschäftigt sich unser Team „Future Digital Engineering“ mit der Entwicklung neuartiger und innovativer CAE-Methoden für verschiedene Anwendungsbereiche der Fahrzeugentwicklung. In unserem internationalen Team arbeiten wir an der Schnittstelle von Forschung, Innovation und industrieller Anwendung. Ein wichtiger Bestandteil unserer Arbeit ist die Bewertung und Integration neuer Technologien – unter anderem Künstlicher Intelligenz, datengetriebener Methoden und moderner Simulationsansätze – in bestehende CAE-Workflows, um zukünftige Engineering-Prozesse effizienter, intelligenter und leistungsfähiger zu gestalten.

Wir bieten Ihnen die Möglichkeit, im Rahmen eines zukunftsorientierten Praktikums an neuartigen Methoden für KI-gestützte Simulation mitzuwirken. Im Fokus steht die Verbindung moderner Machine-Learning-Ansätze mit numerischen Simulationsverfahren, um CAE-Prozesse im Kontext der strukturellen Optimierung effizienter und intelligenter zu gestalten.

Im Anschluss an das Praktikum besteht die Möglichkeit, Ihre praktischen Erfahrungen durch eine wissenschaftliche Vertiefung in Form einer Abschlussarbeit (Masterthesis) weiterzuführen. Dies bietet Ihnen die Chance, Ihr theoretisches Wissen mit praktischer Anwendung zu verknüpfen und tiefere Einblicke in die interdisziplinäre Arbeitsweise der automobilen Entwicklung zu gewinnen.

Ihre Aufgaben:

• Mitarbeit an der Entwicklung datengetriebener CAE-Methoden zur Vorhersage und Approximation von Simulationsergebnissen

• Aufbereitung, Analyse und Verarbeitung großer Simulationsdatensätze für Machine-Learning-Anwendungen

• Entwicklung, Training und Bewertung von KI- und Deep-Learning-basierten Surrogatmodellen für Finite-Elemente-Simulationen

• Entwicklung von Python- und Py Torch-basierten Workflows zur Automatisierung von Datenaufbereitung, Modelltraining und Validierung

• Integration moderner KI-Methoden in bestehende CAE- und Simulationsprozesse

Was wir bieten:

• Mitarbeit an innovativen Forschungsprojekten im Bereich Engineering AI und Deep Learning

• Möglichkeit, modernste Methoden aus Künstlicher Intelligenz und numerischer Simulation miteinander zu verbinden

• Einblick in aktuelle Forschung Physics-Informed Machine Learning und Surrogate-modellierung

• Arbeit mit realen Simulationsdaten aus anspruchsvollen Engineering-Anwendungen

• Flexible Arbeitsgestaltung und die Möglichkeit, eigenständig Forschungsideen einzubringen und umzusetzen

• Zusammenarbeit mit Expertinnen aus den Bereichen CAE, Simulation, Machine Learning und Softwareentwicklung

• Gelegenheit, Kenntnisse in Deep Learning, Py Torch, FEM und datengetriebener Modellierung gezielt auszubauen

Die Tätigkeit kann ab 01. Oktober 2026 beginnen.

• Studium im Bereich Master- Computational Mechanics, Simulation-Science, Maschinenbau, Mathematik, Informatik, Künstliche Intelligenz oder eines vergleichbaren Studiengangs

• Sehr gute Englischkenntnisse; Deutschkenntnisse sind von Vorteil, jedoch nicht zwingend erforderlich

• Starkes Interesse an Deep Learning, Machine Learning und der Anwendung moderner KI-Verfahren im CAE-Umfeld

• Grundlegende Kenntnisse in Python; Erfahrungen mit Py Torch oder anderen Deep-Learning-Frameworks sind von Vorteil

• Interesse an der Entwicklung von KI-Modellen zur Vorhersage physikalischer Prozesse und Simulationsergebnisse

• Kenntnisse im Bereich numerischer Simulation, Finite-Elemente-Methode oder CAE-Anwendungen sind wünschenswert

• Erfahrungen mit LS-DYNA, Hyper Works, Opti Struct, Abaqus oder vergleichbaren CAE-Tools sind von Vorteil

• Analytische Denkweise, Eigeninitiative sowie eine strukturierte und selbstständige Arbeitsweise

Zusätzliche Informationen:

Wir freuen uns auf Ihre Online-Bewerbung mit Lebenslauf, Anschreiben, Zeugnissen, aktueller Immatrikulationsbescheinigung mit Angabe des Fachsemesters, ggf. Pflichtpraktikumsnachweis und Nachweis über die Regelstudienzeit. Bitte vergessen Sie nicht im Online-Formular Ihre Dokumente als "relevant für diese Bewerbung" zu markieren und beachten Sie die maximale Dateigröße von 5 MB.

Weiterführende Informationen zu den Einstellkriterien finden Sie hier.

Schwerbehinderte und gleichgestellte Bewerbende sind herzlich willkommen! Die Schwerbehindertenvertretung (sbv-sindelfingen@mercedes-benz.com) unterstützt Sie gerne im Bewerbungsprozess.

People Solutions hilft Ihnen bei Fragen zum Bewerbungsprozess gerne weiter. Sie erreichen uns per E-Mail über myhrservice@mercedes-benz.com oder telefonisch unter 0711/17-99000 (Mo-Fr 10-12 Uhr & 13-15 Uhr).