6. Juni 2025

Ausgangssituation:

Moderne mobile Arbeitsmaschinen stellen durch hohe Antriebsleistungen und Einsatzgewichte besondere Anforderungen an eine sichere und robuste Automatisierungstechnik. Die langjährige Analyse physikalischer Effekte auf mechatronische Komponenten ermöglicht den Einsatz vielfältiger Sensorsysteme zur Erfassung von Umgebungsinformationen. Die Verarbeitung dieser umfangreichen Datenmengen erfolgt zunehmend durch künstliche neuronale Netze. Allerdings stehen aktuelle Technologien vor der Herausforderung, diese Netze robust, sicher und effizient zu gestalten

Im Rahmen des Forschungsprojekts POV.OS wird hierfür eine innovative Automatisierungsplattform mit offener Hardware- und Softwarearchitektur entwickelt, die den Einsatz und die Funktionalisierung mobiler Arbeitsmaschinen erleichtert. Ziel dieser Abschlussarbeit ist die Entwicklung einer strukturierten Methode, die echtzeitfähige Analyse und Überwachung von KI-Anwendungen ermöglicht. Hierfür sollen Methoden aus dem Bereich “explainable AI” zum Einsatz kommen, um die Transparenz & Robustheit von KI-Anwendungen zu steigern.

Aufgabenschwerpunkte:

  • Einarbeitung in den Stand der Technik zu autonomen mobilen Systemen und künstlicher Intelligenz
  • Untersuchung und Evaluierung von bestehende Methoden zur Steigerung von Robustheit und Transparenz
  • Ableitung einer echtzeitfähigen Methodik
  • Nutzung Tools und Frameworks zur Umsetzung dieser Methodik am Beispiel autonome Arbeitsmaschinen (ROS2, PyTorch)
  • Statistische Auswertung der Ergebnisse anhand branchenüblicher Metriken
  • Strukturierte Dokumentation und Präsentation der Ergebnisse

Vorkenntnisse:

  • Interesse an autonomen Fahrzeugen und neuronalen Netzen
  • Interesse an Datenauswertung und KI-Architekturen
  • Grundlegende Programmierkenntnisse in Python, C++ und ROS2 von Vorteil
  • Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Kontakt:

Patrick Ziegler, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)