Situation und Motivation:

Im Kontext der Circular Economy gewinnt das Remanufacturing von industriellen Investitionsgütern, wie Schaltschränken, massiv an Bedeutung. Um wertvolle Komponenten automatisiert zurückzugewinnen, setzen moderne Robotersysteme zunehmend auf Methoden der Künstlichen Intelligenz. Ein zentrales Problem ist jedoch die Verlässlichkeit: Reine KI-Modelle arbeiten probabilistisch und machen Fehler, die in der physischen Interaktion eines Roboters zu Schäden führen können. Für einen stabilen Roboterprozess reicht die reine Bilderkennung daher oft nicht aus. Es fehlt eine Instanz, die prüft, ob das Erkannte auch technisch sinnvoll und korrekt ist.

Ziel der Arbeit:
Das Ziel dieser Arbeit ist die Entwicklung und prototypische Umsetzung eines Validierungsmoduls. Dieses Modul soll die unsicheren Erkennungsergebnisse einer Computer-Vision-Pipeline entgegennehmen und mittels hinterlegter Logiken oder Datenbankabfragen auf Plausibilität prüfen und ggf. korrigieren

Die finale inhaltliche Ausgestaltung und der Umfang der Arbeitspakete können in Absprache entsprechend den individuellen Interessen und Skilss angepasst werden.

Mögliche Arbeitspakete:

• Analyse der häufigsten Erkennungsfehler der aktuellen KI-Modelle
• Definition von logischen Regeln zur Fehlererkennung (z. B. Geometrie- oder Nachbarschaftschecks)
• Konzeption einer Logikarchitektur zur Überprüfung von Szenenzusammenhängen
• Softwaretechnische Implementierung der Validierungslogik
• Verknüpfung des Moduls mit der bestehenden Bildverarbeitungspipeline
• Test und Bewertung der Verbesserung anhand von realen Bilddaten

Was Sie mitbringen:

• Motivation und eigenständige, lösungsorientierte Arbeitsweise
• Gute Kenntnisse in der Programmierung (idealerweise Python)
• Technisches Verständnis und Interesse an Bildverarbeitung oder Robotik
• Sehr gute Deutsch- und Englischkenntnisse

Hinweise und Bewerbung:

• KI-generierte Anfragen werden nicht berücksichtigt. / AI-generated requests are not considered.
• Enge Betreuung und Einbindung in das Forschungsteam
• Bearbeitung ab sofort möglich
• Praxisnahe Aufgabenstellung mit Bezug zu aktueller Forschung
• Bewerbungen mit aktuellem Lebenslauf und Notenübersicht bitte an albert.scheck@faps.fau.de
• Abstimmungen im Vorfeld gerne möglich

Kategorien:

Kontakt: