Bei Bosch haben wir die Mission, die Kraft von großflächigen Zeitreihendaten zu nutzen, um industrielle Prozesse zu optimieren und innovative Lösungen zu schaffen. Wir entwickeln die nächste Generation von Fundamentmodellen für Zeitreihen, die in verschiedenen Bereichen der Bosch-Gruppe eingesetzt werden, wie z.B. in der Fertigung, bei Mobilitätslösungen, Energiesystemen und IoT-Anwendungen. Als Teil unseres Teams werden Sie dazu beitragen, den Stand der Technik in der Skalierbarkeit von Modellen voranzutreiben, indem Sie zu den Kernsystemen unserer Produkte beitragen. Als Forschungsingenieur bei Bosch werden Sie sich auf die effiziente Implementierung skalierbarer Architekturen für großflächige Zeitreihenmodelle konzentrieren. Ihre Hauptverantwortung wird darin bestehen, Trainings- und Inferenzpipelines zu optimieren und deren Leistung hinsichtlich Laufzeit und Speicherverbrauch zu verbessern. Sie werden daran arbeiten, diese skalierten Modelle für eine Vielzahl industrieller Anwendungsfälle anzuwenden und zu verfeinern, indem Sie massive Datensätze aus den proprietären Quellen von Bosch nutzen, um reale Herausforderungen zu lösen. Das Design und die Optimierung von Trainings- und Inferenzpipelines für Zeitreihen-Fundamentmodelle werden in Ihren Verantwortungsbereich fallen. Mit Weitblick und Präzision werden Sie effiziente Algorithmen zur Verarbeitung und Analyse massiver industrieller Datensätze entwickeln. Sie werden skalierbare Architekturen für großflächige Zeitreihenmodellierung in einem industriellen Umfeld erforschen und entwickeln, mit dem Ziel, neue Standards zu setzen. Kontinuierlich werden Sie die Leistungsoptimierung und das Benchmarking von Zeitreihenmodellen vorantreiben, um maximale Effizienz sicherzustellen. In enger Zusammenarbeit mit Ingenieurteams und Geschäftseinheiten werden Sie skalierbare Lösungen für industrielle Zeitreihenanwendungen implementieren und bereitstellen. Ihre Forschungsergebnisse werden veröffentlicht und patentiert, um unseren technologischen Vorteil zu sichern und zu teilen.

• Ausbildung: abgeschlossenes Masterstudium in Informatik, Mathematik, Physik, Technischer Kybernetik oder einem verwandten Bereich, ergänzt durch eine Promotion im Bereich Maschinelles Lernen oder einem maschinenbezogenen Feld
• Erfahrung und Wissen: nachgewiesene Kompetenz in skalierbaren Architekturen für maschinelles Lernen und verteiltem Training (einschließlich Multi-GPU-Multi-Node-Training) mehrere Jahre Erfahrung in KI-Projekten, die sich auf großangelegte Zeitreihendaten aus industriellen Bereichen (Sensoren, physikalische Systeme, IoT-Geräte, Simulationen usw.) konzentrieren nachgewiesene Fähigkeit, theoretische Methoden in praktische, qualitativ hochwertige Codes für skalierbares maschinelles Lernen zu übersetzen umfassende Erfahrung in der Verarbeitung großer Datenmengen in einem industriellen Umfeld ausgezeichnete Kenntnisse in MLOps (z. B. CI/CD-Pipelines, Experimentverfolgung, Containerisierung) in einem industriellen Umfeld fließende Kenntnisse in statistischen Methoden, einschließlich Zeitreihenanalyse, Skalierbarkeitsoptimierung und der Fähigkeit, theoretische Methoden in Lösungen für konkrete Ingenieurprobleme zu übersetzen nachgewiesene Fähigkeit in der Softwareimplementierung großangelegter Algorithmen in Python und Pytorch sowie die Fähigkeit, Basis- und große Sprachmodelle zu trainieren und zu optimieren, ist von Vorteil
• Persönlichkeit und Arbeitsweise: Sie kommunizieren effektiv komplexe Forschungsergebnisse und arbeiten nahtlos in interdisziplinären Teams zusammen
• Sprachen: sehr gute schriftliche und mündliche Englischkenntnisse, Deutsch ist von Vorteil