Tenneco ist eines der weltweit führenden Unternehmen in der Entwicklung, Herstellung und Vermarktung von Produkten für die Automobil- und Schienenfahrzeugbranche.
Im Geschäftsbereich Tenneco Braking wird eines der breitesten Portfolios an Reibmaterialien für Pkw, Nutzfahrzeuge, Schienengüter- und -personenverkehr, Industrie- sowie Motorsport angeboten. Die Produkte unterstützen Tier-1-Zulieferer und OEMs dabei, aktuelle und zukünftige Umweltanforderungen zu erfüllen.
Für den Standort Glinde (Schleswig-Holstein) wird ein/e Masterand (m/w/d) im Bereich Data, AI & Analytic gesucht. Der Beschäftiungsumfang umfasst 2 Monate Praktikum mit anschließender Masterarbeit über 6 Monate.
Aufgaben:
- Analyse und Strukturierung von Versuchs- und Materialdaten (Rezepturen, Prozessparameter, Performancekennwerte)
- Aufbau und Validierung von Regressionsmodellen (z. B. neuronale Netze, Random Forest, Gradient Boosting) zur Vorhersage von Reibwertverhalten.
- Feature Engineering auf Basis von Materialzusammensetzung und Prozessparametern
- Untersuchung von Generalisierungsfähigkeit und Extrapolation auf neue Rezepturen
- Vergleich unterschiedlicher Modellansätze hinsichtlich Vorhersagegenauigkeit, Robustheit und Interpretierbarkeit
- Identifikation relevanter Einflussgrößen mittels Feature Importance / Sensitivitätsanalysen
- Dokumentation und Präsentation der Ergebnisse
- Enge Abstimmung mit R&D-Ingenieuren zur Sicherstellung physikalischer Plausibilität
Qualifikation:
- Masterstudium in Data Science, Mathematik, Ingenieurswissenschaft oder vergleichbar
- Gute Kenntnisse in: Python ML Frameworks (z. B. scikit-learn, PyTorch oder TensorFlow), Datenanalyse (pandas, polars, NumPy)
- Verständnis statistischer Modellierung und Regressionsverfahren
- Grundkenntnisse in neuronalen Netzen und Overfitting-/Regularisierungskonzepten
- Idealerweise Erfahrung mit: Zeitreihenanalyse, Materialdaten oder physikalischen Modellen, Feature Engineering in technischen Datensätzen
- Strukturierte und selbstständige Arbeitsweise
- Interesse an interdisziplinärer Arbeit zwischen Data Science und Materialentwicklung
- Sehr gute Deutsch- oder Englischkenntnisse