KI gestützte Diagnose von automobilen Hochvolt‑Batteriesystemen über den Lebenszyklus und in Refurbishment‑Prozessen

KI gestützte Diagnose von automobilen Hochvolt‑Batteriesystemen über den Lebenszyklus und in Refurbishment‑Prozessen

Promotionsstelle – Batterie-Datenanalyse & KI

Über Stellantis

Stellantis ist ein führender globaler Automobilhersteller und Mobilitätsanbieter, der sich der Bereitstellung sauberer, sicherer und erschwinglicher Mobilitätslösungen verschrieben hat. Ein starker Fokus auf Elektrifizierung und Digitalisierung treibt die Entwicklung von Batterien der nächsten Generation sowie datengetriebenen Engineering-Ansätzen voran.

Hintergrund und Motivation

Hochvoltbatteriesysteme sind zentrale Elemente moderner elektrifizierter Fahrzeugarchitekturen und haben einen erheblichen Einfluss auf Kosten, Leistung, Haltbarkeit und Kundenzufriedenheit. Mit der zunehmenden Bedeutung elektrischer Antriebsstränge werden effiziente Diagnose- und Refurbishment-Prozesse über den gesamten Lebenszyklus hinweg für Nachhaltigkeit und Wettbewerbsfähigkeit entscheidend.

Die Ursachenanalyse (Root Cause Analysis) erfolgt heute weitgehend manuell und basiert auf fragmentierten Datenquellen, einschließlich Fahrzeugdiagnosedaten (DTCs), OTA-Telemetrie, Produktions- und Lieferantendaten sowie Wiederaufbereitungsdaten. Diese heterogene Datenlandschaft führt zu zeitaufwändigen Analysen, inkonsistenten Ergebnissen und einer starken Abhängigkeit von Expertenwissen.

Es besteht ein wachsender Bedarf an skalierbaren, datengetriebenen Ansätzen, um Ursachen automatisch zu identifizieren, Zusammenhänge frühzeitig zu erkennen und die Effizienz von Refurbishment-Prozessen zu verbessern. Künstliche Intelligenz bietet hohes Potenzial zur Verbesserung der Diagnosequalität und zur besseren Vorhersage von Ausfällen.

Forschungsziel

Ziel dieser Promotion ist die Entwicklung eines KI-basierten Diagnose- und Analyse-Frameworks für die automatisierte Root Cause Analysis von Hochvoltbatteriesystemen im automobilen Refurbishment-Kontext.

Heterogene Daten über den gesamten Batterielebenszyklus (Fahrzeugdiagnostik, OTA-Telemetrie, Produktions-, Lieferanten- und Refurbishment-Daten) werden integriert und für Machine-Learning-Methoden aufbereitet. Der Fokus liegt auf skalierbaren Ansätzen zur Erkennung von Fehlermustern, zur Fehlerlokalisierung sowie zur Generierung prädiktiver Erkenntnisse und deren Integration in industrielle Diagnose- und Validierungsprozesse.

Erwartete Beiträge

• KI-basierte Methoden zur automatisierten Ursachenanalyse und Klassifizierung von Fehlerfällen
• Fehlerlokalisierung auf Komponentenebene zur Reduzierung des Diagnoseaufwands
• Prädiktive Modelle zur frühzeitigen Erkennung von Ausfällen und Vermeidung wiederkehrender Feldprobleme
• Datengetriebene Analyse komplexer technischer Systeme unter realen Bedingungen
• Weiterentwicklung datengetriebener Diagnostik in Forschung und Praxis

Ihre Rolle

Als Doktorand arbeiten Sie an der Schnittstelle von Batterieentwicklung, Datenanalyse und künstlicher Intelligenz innerhalb der Stellantis Batteriesystementwicklung.

Aufgaben:

• Konzeption und Umsetzung KI-basierter Diagnoselösungen
• Analyse von Flotten- und OTA-Daten zur Identifikation von Degradationsmustern und Anomalien
• Entwicklung und Validierung von Diagnosemodellen im industriellen Umfeld
• Unterstützung datengetriebener Entscheidungsprozesse
• Zusammenarbeit mit funktionsübergreifenden Teams
• Veröffentlichung wissenschaftlicher Ergebnisse und Beitrag zur Dissertation

Arbeitsumfeld

Industriebasierte Promotion bei der Opel Automobile GmbH in Rüsselsheim (Deutschland) mit Integration in die Batterie-F&E und Zugang zu realen Fahrzeug- und Flottendaten. Durchführung in Zusammenarbeit mit der RWTH Aachen (Deutschland).

Dauer

3 Jahre

Wir bieten

• Industrienahe Promotion in einem globalen Automobilunternehmen
• Attraktive und wettbewerbsfähige Vergütung
• Zugang zu großskaligen realen Batterie- und Fahrzeugdaten
• Arbeit an KI-Anwendungen in der Elektromobilität
• Zusammenarbeit mit Industrieexperten und akademischen Partnern
• Innovatives und internationales Arbeitsumfeld

Ihr Profil

• Hervorragender Hochschulabschluss in Elektrotechnik, Maschinenbau, Data Science, Informatik oder vergleichbar
• Erfahrung mit Batteriesystemen, Batteriemodellierung, BMS oder Diagnostik
• Fundierte Kenntnisse in Machine Learning und Datenanalyse (Python; idealerweise PySpark / Databricks)
• Erfahrung in Zeitreihenanalyse, Klassifikation oder Clustering
• Interesse an automobilen Systemen, insbesondere E-Mobilität und Batteriesystemen
• Strukturierte, analytische Arbeitsweise
• Teamfähigkeit und internationale Ausrichtung
• Sehr gute Englischkenntnisse in Wort und Schrift

Bewerbung

Wir freuen uns auf Ihre Bewerbung mit folgenden Unterlagen:

• Anschreiben
• Lebenslauf
• Relevante Zeugnisse

Bei Stellantis bewerten wir Bewerber:innen auf der Grundlage von Qualifikationen, Leistung und geschäftlichen Erfordernissen. Wir begrüßen Bewerbungen von Menschen aller Geschlechter, Altersgruppen, ethnischer Zugehörigkeiten, Nationalitäten, Religionen, sexueller Orientierungen und Behinderungen. Vielfältige Teams ermöglichen es uns, die sich entwickelnden Bedürfnisse unserer Kund:innen besser zu erfüllen und Sorge für unsere Zukunft zu tragen.

---------------------------

AI Supported Diagnostics of Automotive High-Voltage Battery Systems Across Lifecycle and Refurbishment Processes

PhD Position – Battery Data Analytics & AI

About Stellantis

Stellantis is a leading global automaker and mobility provider committed to delivering clean, safe, and affordable mobility solutions. A strong focus on electrification and digitalization drives next-generation battery systems and data-driven engineering approaches.

Background and Motivation

High-voltage battery systems are central to modern electrified vehicle architectures and significantly impact cost, performance, durability, and customer satisfaction. As electric powertrains gain importance, efficient diagnostic and refurbishment processes across the lifecycle become critical for sustainability and competitiveness.

Today, root cause analysis is largely manual and based on fragmented data sources, including vehicle diagnostics (DTCs), OTA telemetry, production and supplier data, and refurbishment measurements. This heterogeneous data landscape leads to time-consuming analysis, inconsistent results, and strong reliance on expert knowledge, limiting scalability across large fleets.

There is a growing need for scalable, data-driven approaches to automatically identify root causes, detect hidden relationships early, and improve refurbishment efficiency. Artificial intelligence offers strong potential to enhance diagnostic quality, improve failure predictability, and enable more systematic decision-making.

Research Aim

The objective of this PhD is to develop an AI-based diagnostic and analysis framework for automated root cause analysis of high-voltage battery systems in a refurbishment context.

Heterogeneous lifecycle data (vehicle diagnostics, OTA telemetry, production, supplier, and refurbishment data) will be integrated, structured, and prepared for machine learning methods. The research focuses on scalable approaches for failure pattern recognition, fault localization, predictive insights, and their robust integration into industrial diagnostic and validation workflows.

Expected Contributions

• AI-based methods for automated root cause analysis and classification of failure cases

• Component-level fault localization reducing diagnostic effort

• Predictive models for early failure detection and prevention of recurring field issues

• Data-driven analysis methods for complex systems under real-world conditions

• Advancement of data-driven diagnostics in research and industrial practice

Your Role

As a PhD candidate, you will work at the interface of battery engineering, data analytics, and AI within Stellantis battery development.

Responsibilities:

• Design and implement AI-based battery diagnostic solutions
• Analyze large-scale fleet and OTA data to identify degradation patterns and anomalies
• Develop and validate diagnostic models in an industrial environment
• Support data-driven decision-making in root cause analysis and refurbishment
• Collaborate with cross-functional teams
• Publish scientific results and contribute to your doctoral thesis

Work Environment

Industry-based PhD at Opel Automobile GmbH in Rüsselsheim (Germany) with full integration into the battery R&D environment and access to real vehicle and fleet data. Conducted in collaboration with RWTH Aachen University (Germany), combining academic supervision with industrial application.

Duration

3 years

What We Offer

• Industry-based PhD in a global automotive company
• Competitive compensation
• Access to large-scale real-world data and industrial use cases
• Work on cutting-edge AI in electromobility
• Collaboration with industry experts and academic partners
• Innovative, international environment with real impact on future products

Your Profile

• Excellent academic degree in Electrical or Mechanical Engineering, Data Science, Computer Science, or similar
• Experience in battery systems, BMS, diagnostics, or modeling
• Strong background in machine learning and data analysis (Python required; PySpark/Databricks is a plus)
• Experience with time series analysis, classification, or clustering
• Interest in automotive systems and e-mobility
• Analytical mindset and ability to handle complex datasets
• Team-oriented with an international mindset
• Fluent English skills (written and spoken)

How to Apply

Please submit:

• Cover letter
• CV
• Relevant certificates

At Stellantis, we assess candidates based on qualifications, merit and business needs. We welcome applications from people of all gender identities, age, ethnicity, nationality, religion, sexual orientation and disability. Diverse teams will allow us to better meet the evolving needs of our customers and care for our future.