Manuel Caipo, M. Sc.

Über mich

Manuel Alberto Caipo Ccoa ist externer Doktorand am Lehrstuhl für Nachhaltige Mobile Antriebssysteme der TUM im Rahmen eines industriellen Promotionsprojekts in Kooperation mit der Mercedes-Benz AG in Sindelfingen. Seine Forschung widmet sich der Entwicklung multimodaler Lernverfahren zur Fehleranalyse in softwareintensiven Systemen, mit Anwendung auf elektrische Antriebsstränge.

 

Promotionsthema

Context-Aware Multimodal Learning for Fault Analysis in Software-Intensive Systems with Application to Electric Drivetrain Diagnostics
bei der Mercedes-Benz AG, Sindelfingen, Bereich eDrive Software System Integration, RD/EDD

 

Forschungsinteressen

• Multimodal Machine Learning: Fusion von Textdaten und Zeitreihensignalen für Fehlerklassifikation
• Industrial AI & Predictive Maintenance: Anomalieerkennung, Degradationsmodellierung und RUL-Prädiktion
• Physics-Aware and Structured ML: Graph Neural Networks, kausale Modellierung und Explainable AI
• Scalable ML Systems: Cloud-basierte Datenpipelines, MLOps und Cyber-Physical Systems

Ausschreibungen

Die folgenden Masterarbeiten sind für eine Durchführung in Kooperation mit der Mercedes-Benz AG in Sindelfingen ab Februar 2027 ausgeschrieben. Interessierte Studierende werden gebeten, sich mindestens zwei Monate vor dem gewünschten Starttermin zu melden. Für die Bewerbung wird eine kurze Beschreibung des eigenen Profils und der Motivation erbeten. Zusätzlich kann ein aktueller Notenauszug als Referenz für den Unternehmensprozess beigefügt werden. Besonders wichtig sind Motivation, Lernbereitschaft und der Wunsch, aktiv zum Thema beizutragen.

 

Thema 1: Multimodal Data Compression for Fault Diagnosis: Text and Time Series Benchmarking

Untersuchung von Kompressionsverfahren und optimierten Embedding-Strategien für Text- und Zeitreihendaten im Kontext der Fehlerdiagnose. Evaluation auf industriellen Benchmarkdatensätzen sowie Exploration von vision-basierten Ansätzen zur Zeitreihendarstellung und -zusammenfassung.

 

Thema 2: Graph-Based Intelligent Workflows for Time Series Classification with Textual Enrichment

Entwicklung graphbasierter Methoden zur Wissensrepräsentation und intelligenten Workflow-Steuerung in der Klassifikation von Zeitreihendaten. Integration textueller Kontextinformationen zur Verbesserung der Klassifikationsleistung in industriellen Anwendungsszenarien.

 

Bewerbungen und Anfragen bitte direkt an:
manuel_alberto.caipo_ccoa@mercedes-benz.com