An der Professur Fire Science and Engineering wird noch ein Masterkandidat für das Wintersemester 2026/27 gesucht, der gerne seine Masterarbeit bei der Branddirektion München zum Thema: "Einsatzstellenbewertung der deutschen Feuerwehren: Multimethoden-Einflussfaktorenanalyse Brandauswirkungen auf Menschen und andere Schutzziele - Gebäuderisikokoeffizient" anfertigen möchte. Bewerbung bitte direkt an Dr.-Ing. Björn Maiworm, Branddirektor

Redesign and build a demonstration device for robot learning from demonstration, taking it from an existing CAD model to a working prototype using CAD and 3D printing. Depending on progress, the device will be used to collect demonstrations and train robot learning models such as VLAs.

Ziel dieser Arbeit ist die Weiterentwicklung einer LLM-basierten Webanwendung, die Patienten vor dem Arztgespräch in der unfallchirurgischen Ambulanz in natürlicher Sprache befragt und daraus eine strukturierte Zusammenfassung für den behandelnden Arzt generiert.

In Zusammenarbeit mit einer oberbayerischen Berufsschule soll Deutschunterricht berufsbezogener, kompetenzorientierter und ansprechender gestalten. Im Mittelpunkt stehen die Berufsfelder Bautechnik, Metalltechnik (Handwerk und Industrie) und Agrarwirtschaft.

External Thesis @ Bosch Research Aufgaben - Während deiner Tätigkeit analysierst du den bestehenden Raytracing-basierten Eye-Tracking-Algorithmus und identifizierst dessen rechenintensive Kernfunktionen. - Des Weiteren benchmarkst du den Algorithmus auf einer Mikrocontroller-CPU und bewertest dabei präzise dessen Laufzeit, Speicherbedarf sowie Genauigkeit. - Darüber hinaus untersuchst du detailliert, welche Algorithmus-Teile sich durch den Einsatz von DSP-, Matrix- oder NPU-Einheiten effizient beschleunigen lassen. - Du entwickelst und testest innovative neuronale Modellansätze, um zentrale Eye-Tracking-Berechnungsschritte zu approximieren oder direkt zu beschleunigen. - Die entwickelten Modelle implementierst, quantisierst sowie exportierst du mithilfe von Python/PyTorch und ONNX speziell für die Zielhardware. - Umfassend vergleichst du die unterschiedlichen Ansätze hinsichtlich ihrer Genauigkeit, Laufzeit, des Speicherbedarfs und ihrer Deploybarkeit. - Nicht zuletzt dokumentierst du deine Forschungsergebnisse präzise und leitest daraus konkrete Empfehlungen für die zukünftige Entwicklung ab. Profil - Ausbildung: Studium im Bereich Elektrotechnik, Mechatronik, Embedded Systems, Informatik, Physik, Data Science oder vergleichbar - Erfahrungen und Know-how: Interesse an Mikrocontrollern, Embedded AI, Machine Learning oder Signalverarbeitung; Erfahrung mit Python; Kenntnisse in PyTorch, C/C++, ONNX oder Modellquantisierung sind von Vorteil - Persönlichkeit und Arbeitsweise: du arbeitest gerne praxisorientiert, analysierst systematisch und möchtest Algorithmen auf realer Hardware evaluieren - Arbeitsalltag: hybrides Arbeitsumfeld mit Bürotagen und mobiles Arbeiten nach Absprache; praktische Tests auf Embedded-Hardware sind Teil der Thesis - Sprachen: gutes Deutsch und Englisch Betreuung in Zusammenarbeit mit einem TUM-Lehrstuhl möglich (Chair of Human-Centered Technologies for Learning). Bei Fragen im Voraus kann über den angegebenen Kontakt gerne vermittelt werden. Bei konkretem Interesse bitte direkt über das Bosch Stellenportal bewerben: https://jobs.bosch.de/job/Abschlussarbeit-NPU-Accelerated-AI-for-Eye-Tracking-Algorithm-Development-Embedded-Deployment-Reutlingen-Kusterdingen?id=3c2e23eb-378f-4290-b637-45234e66934a

The Chair of Robotics, Artificial Intelligence and Real-Time Systems offers a thesis on supporting vehicle end-to-end (E2E) driving systems with roadside infrastructure perception. The vehicle's driving function is treated as a closed black box. The thesis identifies the situations in which infrastructure knowledge improves driving safety and the integration strategies through which it can do so without access to the model's internals.

Robot Learning from Demonstration has promise in laboratory automation tasks that require adaptability and dexterity. Using a multimodal setup that fuses camera, tactile, and proprioceptive data, a 4-DOF SCARA robot arm is trained to perform laboratory manipulation tasks from expert demonstrations, with robustness to variations and disturbances.