Projektstudie mit Sixt: Mobile KI-Schadenerkennung: vom Benchmark bis zur skalierbaren Lösung

Hintergrund des Projekts
Künftig soll eine mobile Lösung bei der Fahrzeugrückgabe Schäden automatisch erkennen, indem KI-Modelle standardisierte Fotos aus verschiedenen Winkeln auswerten. Wie viele Schäden ein Modell findet und wie viele Fehlalarme es meldet, bestimmt, wie zuverlässig Schäden dokumentiert werden und wie lange eine Rückgabe dauert. Die Herausforderung: Eine höhere Erkennungsrate geht meist mit mehr Fehlalarmen einher und leistungsfähigere Modelle sind langsamer und teurer. Gemeinsam mit dem Agentic-AI-Team von SIXT findet ihr heraus, mit welchem Ansatz sich Schäden am zuverlässigsten und wirtschaftlichsten erkennen lassen.

Was euch erwartet
■ Ihr trainiert und evaluiert Open-Source-Modelle und benchmarkt sie gegen die aktuell leistungsstärksten Vision-Language-Models.
■ Ihr findet die wirtschaftlich beste Lösung, indem ihr die Zielkonflikte zwischen Erkennungsrate und Fehlalarmen sowie zwischen Geschwindigkeit und Kosten analysiert.
■ Ihr entwickelt eine effiziente hybride Architektur, etwa aus schnellen Computer-Vision-Modellen und Vision-Language-Models, die sich auf Millionen von Bildern skalieren lässt.
■ Ihr setzt die beste Lösung als Prototyp um, übersetzt eure Ergebnisse in einen Business Case und präsentiert sie der Bereichsleitung mit eurer Empfehlung für den Rollout.

Was ihr davon habt
■ Ihr löst ein echtes Problem aus dem Tagesgeschäft und gestaltet damit den Einsatz von KI bei SIXT aktiv mit.
■ Enge Betreuung durch das Agentic-AI-Team von SIXT, von der Testkonzeption bis zur Implementierung.
■ Besonders überzeugende Teammitglieder können im Anschluss ein Angebot für ein Praktikum, eine Werkstudententätigkeit oder den Direkteinstieg bei SIXT erhalten.

Euer Profil
■ Ihr erbringt herausragende akademische Leistungen im Master oder fortgeschrittenen Bachelor, z. B. in Management & Technology mit Schwerpunkt Informatik, Wirtschaftsinformatik oder vergleichbar.
■ Ihr programmiert sicher in Python, kennt euch mit gängigen Libraries wie Pandas oder PyTorch aus und wollt Lösungen bauen, die im Echtbetrieb laufen.
■ Ihr habt fundierte Kenntnisse in Machine Learning und Statistik. Erfahrung mit Hugging Face, Git und Cloud-Umgebungen ist von Vorteil.
■ Ihr denkt analytisch, arbeitet strukturiert und selbstständig und interessiert euch für Mobilität.
■ Ihr sprecht gut Englisch, und mindestens ein Teammitglied spricht fließend Deutsch.

Bewerbung
Schickt uns eure Lebensläufe, Notenspiegel und ein kurzes Motivationsschreiben als ein PDF an Maximilian Gall (maximilian.gall@sixt.com), gerne auch als Team von 2-4 Personen oder einzeln. Vor Projektstart unterzeichnen alle Teammitglieder eine Vertraulichkeitsvereinbarung. Durchführung als Projektstudium möglich, Betreuung durch Prof. Dr. Chengguang Li.
Das Projektstudium ist auf 3 Monate Vollzeit ausgelegt. Der Start ist nach Rücksprache flexibel. Ihr werdet in einem hybriden Arbeitsmodus mit festen Tagen vor Ort in Pullach arbeiten.
Startzeitpunkt, ab sofort, spätestens bis 01.12.