Taxonomie von End-to-End-Modellen für KI-basiertes autonomes Fahren

Research topic/area

Automatisiertes Fahren, Künstliche Intelligenz, Maschinelles Lernen

Type of thesis

Bachelor

Start time

-

Application deadline

01.10.2026

Duration of the thesis

Nach Studienordnung

Description

Systematische Analyse und Klassifikation von End-to-End-Architekturen für automatisiertes Fahren. Untersucht wird, wie sich aktuelle Ansätze hinsichtlich interner Struktur, Repräsentationen, Schnittstellen, Ausgaben und Trainingsstrategie unterscheiden.

Auf Basis einer strukturierten Literaturrecherche soll eine nachvollziehbare Taxonomie entwickelt und auf ausgewählte öffentlich dokumentierte Architekturen angewendet werden.

Hintergrund und Motivation

Klassische Architekturen für automatisiertes Fahren bestehen aus getrennten Modulen für Wahrnehmung, Umfeldmodellierung, Planung und Fahrzeugregelung. End-to-End-Ansätze verbinden dagegen Sensordaten und Fahrentscheidungen innerhalb eines gemeinsam trainierbaren Systems.

„End-to-End“ bezeichnet jedoch keine einheitliche Architektur. Die Ansätze unterscheiden sich unter anderem hinsichtlich:

- verwendeter Sensordaten,
- gelernter Zwischenrepräsentationen,
- expliziter oder latenter Schnittstellen,
- Kopplung von Perception, Prediction und Planning,
- Modellausgaben und gemeinsamer Trainierbarkeit.

Repräsentationen können beispielsweise als Bird’s-Eye-View-Features, Objekt- oder Vektorrepräsentationen, Occupancy Grids, Trajektorien oder vollständig implizite Zustände ausgeprägt sein. Diese Unterschiede beeinflussen Leistungsfähigkeit, Interpretierbarkeit, Austauschbarkeit und Absicherbarkeit.

Bislang fehlt eine einheitliche Taxonomie zur systematischen Beschreibung und zum Vergleich solcher Architekturen.

Ziel der Arbeit

Ziel der Bachelorarbeit ist die Entwicklung einer Taxonomie für End-to-End-Architekturen des automatisierten Fahrens.

Betrachtet werden insbesondere:

- Umfang der End-to-End-Integration,
- Sensoreingaben,
- Architektur und Informationsfluss,
- Modellausgaben,
- Differenzierbarkeit und Trainingsstrategie,
- Interpretierbarkeit und Schnittstellen.

Die Taxonomie soll anschließend auf ausgewählte öffentlich dokumentierte Architekturen angewendet werden.

Das bieten wir

- Bearbeitung eines aktuellen und klar abgegrenzten Forschungsthemas im Bereich KI-basiertes autonomes Fahren
- Enge fachliche und methodische Betreuung
- Einführung in Methoden der strukturierten Literaturrecherche
- Einblicke in aktuelle End-to-End-Architekturen und KI-basierte Fahrsysteme
- Möglichkeit, fundierte Kenntnisse in den Bereichen autonome Fahrarchitekturen, latente Repräsentationen und Absicherung datengetriebener Systeme aufzubauen
- Option zur Weiterverwertung der Ergebnisse, beispielsweise in Form eines Fachbeitrags oder einer weiterführenden wissenschaftlichen Arbeit, abhängig von Qualität und Interesse

Beginn: Ab sofort

Interesse geweckt? Dann melde dich bei anian.scheibel∂kit.edu mit deinem aktuellen Notenauszug und Lebenslauf!

Requirement

Requirements for students

• - Studium im Bereich Maschinenbau, Mechatronik, Informatik, Wirtschaftsingenieurwesen oder einer vergleichbaren Fachrichtung
• - Überdurchschnittliche Studienleistungen
• - Interesse an autonomem Fahren, künstlicher Intelligenz und Softwarearchitekturen
• - Grundkenntnisse in KI, Machine Learning oder automatisierten Fahrsystemen von Vorteil
• - Bereitschaft, sich in wissenschaftliche Veröffentlichungen und technische Architekturen einzuarbeiten
• - Analytische und strukturierte Arbeitsweise
• - Gute Englischkenntnisse, da ein Großteil der Fachliteratur auf Englisch verfügbar ist

Faculty departments

• Engineering sciences
  Mechanical engineering
  Other fields of study
  Mechanical Engineering
• Economic & law sciences
  Information Engineering
  Business management
  Other fields of study

Supervision

Title, first name, last name

Anian Scheibel

Organizational unit

IPEK-Institut für Produktentwicklung

Email address

anian.scheibel@kit.edu

Link to personal homepage/personal page

Website

Application via email

Application documents

• Curriculum vitae
• Grade transcript

E-Mail Address for application
Senden Sie die oben genannten Bewerbungsunterlagen bitte per Mail an anian.scheibel@kit.edu


Back