About this role
<p><span style=""><strong>Tenneco</strong> ist eines der weltweit führenden Unternehmen in der Entwicklung, Herstellung und Vermarktung von Produkten für die Automobil- und Schienenfahrzeugbranche.</span><br><span style="">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.</span></p> <p> </p> <p><span style="">Für den Standort Glinde (Schleswig-Holstein) wird ein/e <strong>Masterand</strong> <strong>(m/w/d)</strong> im Bereich Data, AI & Analytic gesucht. Der Beschäftiungsumfang umfasst 2 Monate Praktikum mit anschließender Masterarbeit über 6 Monate.</span></p><p> </p> <p><span style=""><strong>Aufgaben:</strong></span></p> <p> </p> <ul> <li style=""><span style="">Analyse und Strukturierung von Versuchs- und Materialdaten (Rezepturen, Prozessparameter, Performancekennwerte)</span></li> <li style=""><span style="">Aufbau und Validierung von Regressionsmodellen (z. B. neuronale Netze, Random Forest, Gradient Boosting) zur Vorhersage von Reibwertverhalten.</span></li> <li style=""><span style="">Feature Engineering auf Basis von Materialzusammensetzung und Prozessparametern</span></li> <li style=""><span style="">Untersuchung von Generalisierungsfähigkeit und Extrapolation auf neue Rezepturen</span></li> <li style=""><span style="">Vergleich unterschiedlicher Modellansätze hinsichtlich Vorhersagegenauigkeit, Robustheit und Interpretierbarkeit</span></li> <li style=""><span style="">Identifikation relevanter Einflussgrößen mittels Feature Importance / Sensitivitätsanalysen</span></li> <li style=""><span style="">Dokumentation und Präsentation der Ergebnisse</span></li> <li style=""><span style="">Enge Abstimmung mit R&D-Ingenieuren zur Sicherstellung physikalischer Plausibilität </span></li> </ul> <p style=""> </p> <p style=""><strong><span style="">Qualifikation:</span></strong></p> <p style=""> </p> <ul> <li style=""><span style="">Masterstudium in Data Science, Mathematik, Ingenieurswissenschaft oder vergleichbar</span></li> <li style=""><span style="">Gute Kenntnisse in: Python ML Frameworks (z. B. scikit-learn, PyTorch oder TensorFlow), Datenanalyse (pandas, polars, NumPy)</span></li> <li style=""><span style="">Verständnis statistischer Modellierung und Regressionsverfahren</span></li> <li style=""><span style="">Grundkenntnisse in neuronalen Netzen und Overfitting-/Regularisierungskonzepten</span></li> <li style=""><span style="">Idealerweise Erfahrung mit: Zeitreihenanalyse, Materialdaten oder physikalischen Modellen, Feature Engineering in technischen Datensätzen</span></li> <li style=""><span style="">Strukturierte und selbstständige Arbeitsweise</span></li> <li style=""><span style="">Interesse an interdisziplinärer Arbeit zwischen Data Science und Materialentwicklung</span></li> <li style=""><span style="">Sehr gute Deutsch- oder Englischkenntnisse</span></li> </ul> <p style=""> </p>