Bei Bosch Research treiben wir die nächste Generation von Physical AI voran – intelligente Systeme, die die reale Welt wahrnehmen, schlussfolgern und robust handeln können. Von automatisiertem Fahren bis hin zur Robotik ist es unser Ziel, KI-Technologien zu entwickeln, die nicht nur leistungsfähig, sondern auch sicher, effizient und skalierbar sind. Trotz bemerkenswerter Fortschritte bei Foundation Models und End-to-End-Lernen haben heutige autonome Systeme weiterhin Schwierigkeiten, zuverlässig auf neue Situationen zu generalisieren, und benötigen häufig enorme Datenmengen sowie erhebliche Rechenressourcen. Für Bosch Produkte müssen KI-Lösungen jedoch auch unter realen Rahmenbedingungen eine starke Leistung erbringen – etwa bei begrenzter Rechenleistung, hoher Energieeffizienz, Sicherheit und Zuverlässigkeit.

In diesem Promotionsprojekt erforschen Sie neue Ansätze zur Entwicklung der nächsten Generation effizienter autonomer Entscheidungsfindungssysteme. Ihre Forschung verbindet Ideen aus Imitation Learning, Reinforcement Learning, großskaliger Simulation, World Models und Modellkompression, um KI-Agenten (über mehrere Ausprägungen hinweg) zu entwickeln, die sich kontinuierlich verbessern, sich an neuartige Situationen anpassen und den Transfer von der Simulation in die Realität effektiv meistern. Ein zentraler Schwerpunkt des Projekts ist die Ermöglichung ressourceneffizienter Physical AI: Sie erreichen die Zuverlässigkeit und Generalisierungsfähigkeit heutiger führender KI-Systeme und reduzieren zugleich die für den Einsatz auf realen Geräten erforderlichen Rechenanforderungen deutlich.

Wenn Sie Teil von Bosch Research werden, haben Sie die Möglichkeit, an der Schnittstelle von modernster KI-Forschung und industrieller Praxis zu arbeiten. Sie kooperieren mit führenden Expertinnen und Experten aus Wissenschaft und Industrie, um zukünftige intelligente Produkte und Services mitzugestalten.

• Ausbildung: Hervorragender Masterabschluss in Informatik, Robotik, Mathematik, Physik oder einem vergleichbaren Studiengang
• Erfahrung und Kenntnisse: Umfangreiche praktische Erfahrung und fundiertes theoretisches Verständnis im Bereich Reinforcement Learning (RL), idealerweise mit Expertise in emergentem Verhalten, Safe RL, Offline RL und/oder Multi‑Agent RL, kombiniert mit exzellenten Python‑Kenntnissen sowie tiefem Know-how in branchenüblichen ML‑Frameworks (z. B. PyTorch, Hugging Face, JAX, TensorFlow)
• Erfahrung und Kenntnisse: Erfahrung in der Softwareentwicklung in größeren Teams sowie in der Bereitstellung ML‑basierter Systeme für reale Anwendungen; Kenntnisse in MLOps sowie CI/CD sind von Vorteil
• Erfahrung und Kenntnisse: Gute Kenntnisse in C und zugehörigen Frameworks (z. B. ROS 2)
• Erfahrung und Kenntnisse: Veröffentlichungen auf führenden Konferenzen in Machine Learning, Robotik oder Computer Vision (z. B. NeurIPS, ICML, ICLR, CVPR, IROS, ICRA) sind von Vorteil
• Persönlichkeit und Arbeitsweise: Sie arbeiten methodisch und strukturiert, mit starkem Fokus auf Lösungen, Qualität und Verantwortungsübernahme; mit einer proaktiven Herangehensweise ergreifen Sie Initiative und meistern komplexe Herausforderungen als teamorientierte Fachkraft, die sich in stark kollaborativen, dynamischen Forschungs‑ und Entwicklungsumgebungen wohlfühlt und aktiv zum gemeinsamen Erfolg beiträgt; ein ausgeprägtes Verständnis von KI‑Geschäftsmodellen motiviert Sie, über Prototypen hinauszugehen und in enger Zusammenarbeit mit Business‑Stakeholdern vollständig ausrollbare Lösungen zu entwickeln
• Begeisterung: Ausgeprägte Begeisterung für die Lösung komplexer technischer Herausforderungen und die Entwicklung neuartiger, wirkungsvoller Lösungen in interdisziplinären Teams; Leidenschaft für das synergetische Potenzial zwischen Reinforcement Learning und Generativer KI
• Sprachen: Verhandlungssicheres Englisch, Deutsch ist von Vorteil