INTERNSHIP DETAILS

Abschlussarbeiten im Themenfeld: Effiziente, adaptive und dezentrale KI

CompanyFraunhofer-Gesellschaft
LocationDuisburg
Work ModeOn Site
PostedApril 19, 2026
Internship Information
Core Responsibilities
The position involves working on efficient, adaptive, and decentralized AI solutions for resource-constrained systems. Candidates will engage in various topics such as optimizing machine learning frameworks and developing decentralized edge AI.
Internship Type
full time
Company Size
287
Visa Sponsorship
No
Language
German
Working Hours
40 hours
Apply Now →

You'll be redirected to
the company's application page

About The Company
Fraunhofer IGD is the international leading institute for applied research in visual computing. Visual computing is image- and model-based information technology and includes computer graphics and computer vision, as well as virtual and augmented reality. In simple terms, the Fraunhofer researchers in Darmstadt, Rostock, and Kiel are turning information into images and extracting information from images. In cooperation with its partners, technical solutions and market-relevant products are created. Prototypes and integrated solutions are developed in accordance with customized requirements. In doing so, Fraunhofer IGD places users at the forefront, providing them with technical solutions to facilitate computer work and make it more efficient. Owing to its numerous innovations, Fraunhofer IGD raises man-machine interaction to a new level. Man is able to work in a more result-oriented and effective way by means of the computer and visual computing developments.
About the Role

Unser interdisziplinäres Team arbeitet an der Schnittstelle von Künstlicher Intelligenz, Embedded Systems und Edge Computing. Unser Ziel ist es, zukunftsweisende KI-Lösungen für ressourcenbeschränkte, dezentrale Systeme zu entwickeln – von autonomen Sensoren über vernetzte Geräte bis hin zu industriellen Anwendungen. Im Zentrum stehen Fragestellungen wie:

 

  • Wie lassen sich KI-Modelle effizient auf Mikrocontrollern betreiben?
  • Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet?
  • Welche Methoden der Domänenadaption sind für eingebettete Devices geeignet?
  • Wie kann dezentrale KI auf mehreren Edge-Geräten effizient in Bezug auf Speicher, Kommunikation und Robustheit zusammenarbeiten? (z. B. über Federated Learning oder Swarm Intelligence)?

 

Was Sie bei uns tun

Mögliche Themengebiete:


⦁    Optimierung des Machine-Learning-Frameworks AI for Embedded Systems (AIfES)
⦁    Entwicklung und Optimierung von dezentralem Edge AI in IoT-Netzwerken durch Federated Learning 
⦁    Entwicklung und Optimierung von Verfahren für Anomaliedetektion bei selbstlernenden Sensorsystemen 
⦁    Optimierung von KI-Modellen für Embedded-Plattformen (z. B. Quantisierung, Pruning, TinyML)
⦁    Entwicklung adaptiver Lernmechanismen für sich verändernde Umgebungsbedingungen
⦁    Entwicklung von Tool-Chains zur Portierung von KI-Modellen auf verschiedene, eingebettete Systeme

 

Bitte geben Sie bei Ihrer Bewerbung an, für welches Thema Sie sich interessieren.

 

Was Sie mitbringen

  • Studium im Bereich der Informatik, Elektrotechnik oder eines vergleichbaren Studiengangs
  • Sehr gute bis gute Studienleistungen
  • Grundlegende Kenntnisse im Bereich Machine Learning und neuronaler Netze
  • Gute Programmierkenntnisse in C und/oder C++
  • Erfahrungen mit eingebetteten Systemen und Mikrocontrollern und Kenntnisse in Python sind von Vorteil
  • Erfahrungen im Umgang mit bekannten Machine Learning Frameworks (z. B. Keras oder PyTorch) und das Administrieren von unixoiden Betriebssystemen sind von Vorteil
  • Selbstständige und strukturierte Arbeitsweise sowie Teamfähigkeit

 

Was Sie erwarten können

⦁    Vielfältige Einblicke in die Arbeit von wissenschaftlichen Mitarbeitenden an einem Forschungsinstitut
⦁    Möglichkeit, das Wissen aus dem Studium direkt anzuwenden 
⦁    Vergütung der Abschlussarbeit, flexible Arbeitszeiten (Gleitzeitmodell) und ein fester Urlaubsanspruch 
⦁    Möglichkeit, erste Erfahrungen im Umgang mit SAP zu sammeln
⦁    Zentrale Lage direkt neben dem Campus Duisburg (Linie 933: Haltestelle Universität) 

 

Die wöchentliche Arbeitszeit beträgt ca. 8 Stunden. Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte


 
Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.


 
Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft. 
 
 
Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen! Bewerbungen per E-Mail oder Post können wir leider nicht berücksichtigen.
Bitte übermitteln Sie Ihre vollständigen Bewerbungsunterlagen (Anschreiben mit Ihren Forschungsinteressen, Ihren tabellarischen Lebenslauf, einen aktuellen Notenspiegel im Studium sowie die Arbeitszeugnisse/Beurteilungen Ihrer früheren beruflichen Tätigkeiten/Praktika/Nebenbeschäftigungen) 

Fragen zu dieser Position beantwortet Ihnen gerne:
Frau Irini Tsiftsi
personal@ims.fraunhofer.de
Tel.: 0203-3783-268

Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS 

www.ims.fraunhofer.de 


Kennziffer: 81630                Bewerbungsfrist: 

 

Key Skills
Machine LearningEmbedded SystemsEdge ComputingCC++PythonAnomaly DetectionFederated LearningTinyMLQuantizationPruningTool-ChainsTeamworkSelf-ManagementUnix SystemsNeural Networks
Categories
TechnologyEngineeringScience & ResearchData & Analytics
Benefits
Flexible Working HoursPaid InternshipInsight into Research Work