The Digital Business research group at the Fraunhofer Institute for Industrial Engineering IAO works on national and international research, development, and consulting projects to harness the potential of quantum computers for industry and societal use. The Fraunhofer Lab
Tiefes Cloud-Native-Wissen: Du verfügst über fundierte Erfahrung in der Konzeption von verteilten Systemen und bist sicher im Umgang mit dem CNCF-Ökosystem (z. B. Kubernetes, Helm, Prometheus, Istio) Entwicklungs-Background: Du verstehst die Sprache der Softwareentwickler (z. B.
Tiefes Cloud-Native-Wissen: Du verfügst über fundierte Erfahrung in der Konzeption von verteilten Systemen und bist sicher im Umgang mit dem CNCF-Ökosystem (z. B. Kubernetes, Helm, Prometheus, Istio) Entwicklungs-Background: Du verstehst die Sprache der Softwareentwickler (z. B.
Technischer Hintergrund: Du verfügst über ein abgeschlossenes Studium der Informatik, eine Ausbildung zum Fachinformatiker oder eine vergleichbare Qualifikation mit fundierter Berufserfahrung IaC-Experte: Du beherrschst Infrastructure-as-Code-Tools (insbesondere Terraform) sicher und hast Erfahrung im Umgang mit Konfigurationsmanagement-Tools wie
Technischer Hintergrund: Du verfügst über ein abgeschlossenes Studium der Informatik, eine Ausbildung zum Fachinformatiker oder eine vergleichbare Qualifikation mit fundierter Berufserfahrung IaC-Experte: Du beherrschst Infrastructure-as-Code-Tools (insbesondere Terraform) sicher und hast Erfahrung im Umgang mit Konfigurationsmanagement-Tools wie
Die semantische 4D-Belegungsvorhersage (Semantic 4D Occupancy Forecasting) ist von entscheidender Bedeutung für sicheres autonomes Fahren , da sie es Fahrzeugen ermöglicht, zukünftige Szenendynamiken und -geometrien zu antizipieren. Das Training moderner State-of-the-Art-Modelle stützt sich jedoch stark auf
Die semantische 4D-Belegungsvorhersage (Semantic 4D Occupancy Forecasting) ist von entscheidender Bedeutung für sicheres autonomes Fahren , da sie es Fahrzeugen ermöglicht, zukünftige Szenendynamiken und -geometrien zu antizipieren. Das Training moderner State-of-the-Art-Modelle stützt sich jedoch stark auf