INTERNSHIP DETAILS

Studentische Hilfskräfte / Abschlussarbeit - Implementierung von KI-Modellen auf Radarsensoren

CompanyFraunhofer-Gesellschaft
LocationWachtberg
Work ModeOn Site
PostedJune 3, 2026
Internship Information
Core Responsibilities
The role involves researching and implementing AI models on resource-constrained edge hardware for radar signal processing. Key tasks include benchmarking inference frameworks, optimizing neural networks, and conducting laboratory experiments to evaluate energy efficiency and performance.
Internship Type
full time
Company Size
293
Visa Sponsorship
No
Language
German
Working Hours
39 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

Das Fraunhofer FHR in Wachtberg bei Bonn ist Teil der großen Fraunhofer-Gesellschaft und eines der führenden und größten europäischen Forschungsinstitute auf dem Gebiet der Hochfrequenzphysik und Radartechnik. Das Institut bearbeitet zahlreiche multinationale Forschungsprojekte mit akademischen und industriellen Partnern.


Der Bereich „Industrielle Hochfrequenzsysteme“ (IHS) entwickelt in vier Abteilungen leistungsfähige Sensoren und Radarsysteme für die Bereiche industrielle Messtechnik, zivile Sicherheit, neue Mobilitätslösungen und Umweltmonitoring oder medizinische Anwendungen. Die Abteilung „Eingebettete Systeme“ befasst sich mit Forschungsthemen zu verteilten Signalverarbeitungssystemen für hochspezialisierte Radarsysteme im industriellen Umfeld und in der Forschung. Im Fokus stehen die Ansteuerung multifunktionaler Multi-Kanalsysteme sowie deren effiziente und ressourcenschonende Echtzeitverarbeitung.


Die Radartechnologie und deren Signalverarbeitungsalgorithmen sind hochentwickelt, sehr leistungsstark und in der Lage detailgetreue Abbildung einer Szenerie zu liefern. Der Nutzung im zivilen und militärischen Einsatz stehen häufig die anfallende Datenmenge und deren Verarbeitung im Weg. Die Gruppe „H/W Implementierungen“ beschäftigt sich mit der Architektur, dem Design und der Implementierung echtzeitfähiger Signalverarbeitungslösungen für sichere und ressourceneffiziente Radartechnik in der industriellen Qualitätssicherung, im Automotive sowie im Luft- und Raumfahrtbereich und leistet somit einen wesentlichen Beitrag zur Realisierung von radarbasierter Echtzeit-Messtechnik.
Für unser Team suchen wir dauerhaft Student*innen, die unsere Wissenschaftler*innen unterstützen und so zu einem erfolgreichen Forschungsbetrieb beitragen.


Bei uns bist Du von Beginn an in das Team und die laufenden Projekte integriert. Wenn Du dein Engagement und Wissen voll einbringen möchtest, kannst Du schon früh Verantwortung und neue Aufgaben übernehmen und selbstständig bearbeiten – egal ob im Praktikum, als HiWi oder mit einer Abschlussarbeit.

 

Hier sorgen Sie für Veränderung

  • Recherche und Analyse aktueller Entwicklungen im Bereich Edge-AI und Gegenüberstellung verschiedener
  • Hardware-Plattformen (GPUs, FPGAs, Mikrocontroller)
  • Anforderungsanalyse für den Einsatz von KI-Modellen auf ressourcenbeschränkten Edge-Geräten
  • Evaluierung und Benchmarking von Inferenz-Frameworks hinsichtlich Latenz, Energieverbrauch und Genauigkeit
  • Training, Optimierung und Komprimierung neuronaler Netze für den Einsatz auf Edge-Hardware (Quantisierung, Pruning)
  • Je nach Interesse und Plattform:
    • GPU: Deployment und Optimierung von KI-Modellen auf NVIDIA Jetson mittels TensorRT/CUDA
    • FPGA: Portierung und Anpassung von KI-Modellen für FPGA-basierte Beschleuniger (z. B. mit HLS-Workflows, DPU)
    • Mikrocontroller: Implementierung von TinyML-Anwendungen auf Mikrocontrollern (z. B. STM32) mittel
  • Planung und Durchführung von Laborversuchen zur Evaluierung von Inferenzleistung und Energieeffizienz
  • Entwicklung von Testszenarien und Implementierung automatisierter Tests zur Validierung der Modellgenauigkeit auf Zielhardware
  • Softwaredesign und technische Dokumentation entwickelter Module

 

Beispiel Thesis-Thema: "Systematische Evaluierung von Modellkomprimierungstechniken für die KI-gestützte Radarsignalverarbeitung auf ressourcenbeschränkter Hardware"
Das Ziel der Arbeit ist die systematische Untersuchung und Bewertung verschiedener Modellkomprimierungstechniken, um Deep-Learning-Modelle für die Radarsignalverarbeitung effizient auf ressourcenbeschränkter Edge-Hardware zu betreiben, unter Beibehaltung einer hinreichenden Genauigkeit.

 

Hiermit bringen Sie sich ein

  • Aktuelle Immatrikulation in einem mathematischen, naturwissenschaftlichen bzw. ingenieurwissenschaftlichen Studienfach
  • Interesse an maschinellem Lernen, eingebetteten Systemen und ressourceneffizienter KI sowie Spaß am Experimentieren, Optimieren und Implementieren von KI-Lösungen
  • Grundlegende theoretische und praktische Kenntnisse im Bereich Machine Learning / Deep Learning (neuronale Netze, Trainings- und Inferenzprozesse)
  • Grundlegende Programmierkenntnisse in Python, idealerweise auch in C/C++
  • Grundlegende Kenntnisse von zentralen Konzepten der Softwareentwicklung (Versionskontrolle, Dokumentation, modularer Codeaufbau)

    Optional: 
  • Erfahrung mit gängigen ML-Frameworks wie TensorFlow, PyTorch oder JAX
  • Optional: Kenntnisse in der Modelloptimierung für Edge-Geräte (Quantisierung, Pruning)
  • Optional: Erfahrung mit Edge-AI-Frameworks wie TensorFlow Lite, ONNX oder NVIDIA TensorRTOptional: Erfahrung im Arbeiten unter Linux-basierten Systemen sowie sicherer Umgang mit der Linux-Kommandozeile

 

Was wir für Sie bereithalten

  • Interessante, praxisnahe Aufgabenstellungen
  • Einblicke in aktuelle Forschungsprojekte aus Industrie und Grundlagenforschung
  • Offenes und kollegiales Arbeitsumfeld mit lockerem Umgang und moderner Ausstattung
  • Vielfältige Aufgabenstellungen mit der Möglichkeit zur Einarbeitung in neue Themenfelder
  • Attraktive Rahmenbedingungen bei einer der größten Forschungsorganisationen für anwendungsorientierte Forschung in Europa
  • Hervorragende Vernetzung innerhalb der internationalen Forschungslandschaft

 

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.

Die wöchentliche Arbeitszeit beträgt 39 Stunden. Die Stelle kann auch in Teilzeit besetzt werden. Anstellung, Vergütung und Sozialleistungen richten sich nach dem Tarifvertrag für den öffentlichen Dienst (TVöD).

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. 

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht. 
 

Fragen zu dieser Position beantwortet Dir gerne:
Sabine Gütgemann
Tel.: +49 160 966 519 27
E-Mail: sabine.guetgemann@fhr.fraunhofer.de

Fraunhofer-Institut für Hochfrequenzphysik und Radartechnik FHR 

www.fhr.fraunhofer.de 


Kennziffer: 84688                Bewerbungsfrist: 

 

Key Skills
Machine LearningDeep LearningPythonC/C++Edge AIModel CompressionQuantizationPruningTensorRTCUDAFPGATinyMLLinuxSoftware DocumentationVersion Control
Categories
EngineeringScience & ResearchTechnologySoftwareData & Analytics
Benefits
Practical tasksInsights into current research projectsOpen and collegial working environmentModern equipmentOpportunity to learn new subject areasInternational research networkingPublic service collective agreement (TVöD) conditions