INTERNSHIP DETAILS

Masterand

CompanyTenneco
LocationGlinde
Work ModeOn Site
PostedMay 24, 2026
Internship Information
Core Responsibilities
The role involves analyzing and structuring experimental and material data, including recipes, process parameters, and performance indicators, to build and validate regression models for predicting friction coefficient behavior. Key tasks include feature engineering based on material composition and process parameters, investigating generalization capabilities, comparing model approaches, and identifying influential variables.
Internship Type
full time
Company Size
21330
Visa Sponsorship
No
Language
German
Working Hours
40 hours
Apply Now →

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

About The Company
We’re united by one purpose: to be the most trusted partner and the best manufacturer and distributor to the transportation industry. And we’re doing it by leaning into the one thing no one can copy: our culture — our sustainable competitive advantage. The Tenneco Way combines our Core Values, our mindset, and our commitment to developing ourselves and our teams. It’s how we create opportunities for our employees, deliver excellence for our customers, and build the capability that drives our future success. This is how we win. This is how we lead. This is The Tenneco Way. Learn more at Tenneco.com.
About the Role

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

 

Key Skills
Data ScienceMathematicsEngineeringPythonML FrameworksScikit-learnPyTorchTensorFlowData AnalysisPandasPolarsNumPyStatistical ModelingRegressionNeural NetworksFeature Engineering
Categories
Science & ResearchEngineeringData & AnalyticsManufacturingTechnology