Werkstudent (m/w/d) Computer Vision & Machine Learning

Karevo entwickelt KI-gestützte optische Sortieranlagen für Kartoffeln und Zwiebeln. Unsere Computer-Vision-Modelle erkennen Defekte und Fremdkörper mit hoher Präzision und helfen Landwirten, Qualität zu sichern und Verluste zu reduzieren. Du arbeitest in einem kleinen, agilen Team, in dem deine Ideen direkt Einfluss auf das Produkt haben.

Twoja misja

• Du verbesserst unsere bestehenden Objekterkennungsmodelle durch Transfer Learning und systematisches Fine-Tuning auf Domänendaten.
• Du evaluierst und vergleichst moderne Modellarchitekturen – darunter Vision Transformer wie RF-DETR (Roboflow) – hinsichtlich Genauigkeit, Latenz und Eignung für Edge-Deployment.
• Du setzt ein Experiment-Tracking-System auf (z. B. MLflow), um Trainingsläufe, Metriken (mAP, Precision, Recall, F1) und Modellvarianten vergleichbar zu machen.
• Du optimierst und erweiterst unsere Auto-Labeling-Pipeline, um den Annotationssaufwand für neue Bilddaten zu reduzieren – unter Einsatz von CVAT (Computer Vision Annotation Tool) und vortrainierten Modellen.
• Du strukturierst und verwaltest unsere Bilddatensätze (Datenaufbereitung, Augmentierung, Train/Val/Test-Splits).
• Du analysierst systematisches Modellversagen (False Positives/Negatives), identifizierst Ursachen (Datenqualität, Klasse-Imbalance, Modellgrenzen) und leitest gezielte Verbesserungen ein.
• Du implementierst automatisierte Evaluationspipelines auf Validierungsdatensätzen.
• Du verbesserst unsere teilweise manuellen Trainings- und Deployment-Pipelines mit Scripts und CI/CD-Tools (GitHub Actions, Docker).
• Du setzt automatisierte Abläufe auf, die Modelle bei neuen Daten aktualisieren und evaluieren.

Kwalifikacje

• Studium: Angewandte Informatik, Data Science, Maschinelles Lernen, Informatik oder ein vergleichbarer Studiengang.
• Machine Learning: Verständnis von Supervised Learning, Model Training und Evaluationsmetriken (mAP, F1, Precision, Recall).
• Computer Vision: Praktische Erfahrung mit Objekterkennungsmodellen, idealerweise Ultralytics YOLO; Interesse oder erste Erfahrung mit Transformer-basierten Architekturen wie RF-DETR.
• DevOps-Grundlagen: Vertrautheit mit Docker, GitHub/Linux-Kommandozeile.
• Werkzeuge: Erfahrung mit Python, PyTorch oder TensorFlow; Interesse an Annotationstools wie CVAT.
• KI-Tools: Vertrautheit mit Claude Code (oder vergleichbaren KI-gestützten Entwicklungs-Tools) ist ein Plus.
• Persönlichkeit: Eigeninitiative, Verantwortungsbereitschaft und die Fähigkeit, Probleme selbstständig zu identifizieren und zu lösen.

Czego możesz się spodziewać

• Echte Verantwortung: Du übernimmst von Tag 1 an Aufgaben, die direkten Einfluss auf unser Produkt haben – keine reinen Assistenzjobs.
• Technologie an der Schnittstelle: KI trifft auf Landwirtschaft – du arbeitest mit Edge-Computing, Computer Vision und echten physischen Produkten.
• Wachstum: Ein kleines Team bedeutet kurze Entscheidungswege, viel Raum für eigene Ideen und schnelles fachliches Wachstum.
• Flexibilität: 20 Std./Woche, 2 Tage vor Ort in Freising