Forschungsbereich Automatisierungstechnik
Forschungsfokus
Steuerungstechnik und Sensorik
Steuerungstechnische Hardwarekomponenten profitieren von der steigenden Rechenleistung bei gleichzeitiger Miniaturisierung und bilden die Grundlage für ubiquitäre Kommunikation und die Umsetzung intelligenter verteilter Systeme.
![](https://www.faps.fau.de/wp-content/uploads/2023/03/Image1-1024x1024.png)
Industrielle Kommunikation
Neue Technologien begegnen den steigenden Anforderungen an die Leistungsfähigkeit industrieller Kommunikation. Grundlage ist auch die frühzeitige Simulation des Datenverkehrs in der Produktion.
![](https://www.faps.fau.de/wp-content/uploads/2023/03/Image2-1024x1024.png)
Fabrikenergienetze und Energieeffizienz
Intelligente dezentrale Netzkonzepte weisen
immenses Energie- und Kosteneinsparpotenzial
im Sinne der CO2-neutralen Produktion auf und
sind Treiber der Energiewende.
![](https://www.faps.fau.de/wp-content/uploads/2023/03/Image3-1024x1024.png)
Software und IT in der Fertigung
Software und IT-Lösungen stehen als Treiber
und Befähiger im Mittelpunkt der digitalen Transformation in der produzierenden Industrie hin zur Smart Factory.
![](https://www.faps.fau.de/wp-content/uploads/2023/03/Image4-1024x1024.png)
Projekte
![](https://www.faps.fau.de/wp-content/uploads/2022/10/image.png)
DC|hyPASim
Planung und Simulation hybrider AC/DC-Energienetze im industriellen Kontext.
![](https://www.faps.fau.de/wp-content/uploads/2022/10/image-2-1024x603.png)
ConSensE
Anwendungsfallbasierter Konfigurator, zur zielgerichteten Auswahl von Sensorik, für die Digitalisierung von Produktionsanlagen
![](https://www.faps.fau.de/wp-content/uploads/2022/10/image-1024x589.jpeg)
PRODISYS
Engineering produktionsbezogener Dienstleistungsplattformen
![](https://www.faps.fau.de/wp-content/uploads/2022/10/DualSys.png)
DualSys
Durchgängige anlagenbezogene Produktionsoptimierung durch Kombination lernender Systeme.
![](https://www.faps.fau.de/wp-content/uploads/2023/01/AI4CO2OPT_multicolor-1024x209.png)
AI4CO2Opt
Minimierung von Energieaufwänden und folglich CO2-Emissionen bei zeitgleicher Optimierung der Produktionssteuerung.
ReProSi
ReProSi
Methodik zur ressourcenorientierten Auftragsregelung mittels betriebsbegleitender Simulation.
Team
Jonathan Fuchs
![](https://www.faps.fau.de/wp-content/uploads/2022/10/jonathanfuchs-modified.png)
Benjamin Gutwald
![](https://www.faps.fau.de/wp-content/uploads/2022/10/benjamingutwald-modified.png)
Dominik Kißkalt
![](https://www.faps.fau.de/wp-content/uploads/2022/10/dominikkisskalt-modified.png)
Tobias Reichenstein
![](https://www.faps.fau.de/wp-content/uploads/2022/10/tobiasreichenstein-modified.png)
![](https://www.faps.fau.de/wp-content/uploads/2022/10/fabianhartner-modified.png)
Fabian Hartner
![](https://www.faps.fau.de/wp-content/uploads/2022/10/Martens_Benedikt_profile-modified-1024x1024.png)
Benedikt Martens
![](https://www.faps.fau.de/wp-content/uploads/2022/10/alexanderschneider-modified.png)
Alexander Schneider
Offene Stellen
Wissenschaftlicher Mitarbeiter (m/w/d) im Bereich Fabrikenergienetze, hybride AC/DC-Netzstrukturen und Gleichstromfabrik
Wissenschaftlicher Mitarbeiter (m/w/d) im Bereich Entwurfs- und Simulationswerkzeuge für hochintegrierte 2.5D/3D-Chipsysteme
Wissenschaftlicher Mitarbeiter (m/w/d) im Bereich Künstliche Intelligenz und Digitalisierung in der variantenreichen Fertigung
Wissenschaftlichen Mitarbeitenden (m/w/d) in Vollzeit, Schwerpunkt modulare Roboterplattform für flexible Produktionssysteme
Wissenschaftlicher Mitarbeiter (m/w/d) im Bereich KI-basierte Optimierung des Autoklavierprozesses in der Kalksandsteinherstellung
Wissenschaftlicher Mitarbeiter (m/w/d) in der Forschungsgruppe Elektromaschinenbau
Professur für Montagetechnologien elektrischer Energiespeicher an der FAU zu besetzen
Wissenschaftlicher Mitarbeiter (m/w/d) in der Forschungsgruppe Signal- und Leistungsvernetzung
Wissenschaftlicher Mitarbeiter im Bereich Smart Living und Künstliche Intelligenz
Wissenschaftlichen Mitarbeitenden (m/w/d) zur interdisziplinären Forschung an der Schnittstelle Technologie/Wirtschaftswissenschaft sowie zur Administration von Forschungsprojekten
Wissenschaftliche/r Mitarbeiter/in im Bereich Optimierung von Produktionssystemen mittels Quantencomputing (m/w/d)
Wissenschaftliche/r Mitarbeiter/in (m/w/d) im Bereich Robotik
Wissenschaftlicher Mitarbeiter (m/w/d) für das Vorhaben RoMuLuS im Bereich Baustellenrobotik
Doktorand (m/w/d) Simulationsgestützte Logistik für Roboter im Massivbau
Wissenschaftliche/r Mitarbeiter/in (m/f/d) im Bereich Smart Living und Künstliche Intelligenz
Wissenschaftlicher Mitarbeiter im Bereich Smart Living und Künstliche Intelligenz
Wissenschaftliche/r Mitarbeiter/in im Bereich Medizintechnik (m/w/d)
Mitarbeiter im Bereich Elektronikproduktion
Wissenschaftlicher Mitarbeiter im Bereich Security im Internet of Things
Wissenschaftlicher Mitarbeiter im Bereich Blockchain und Energiemarktplätze
Wissenschaftlicher Mitarbeiter im Bereich Smart Living und Künstliche Intelligenz
Wissenschaftlicher Mitarbeiter im Bereich Hausautomatisierung
Wissenschaftlicher Mitarbeiter im Bereich Engineering-Systeme (m/w/d)
Studentische Arbeiten
It’s Clusterin’ Time! Realisierung eines Mixed-SBC-Clusters für die Edge (BA/PA/MA)
Entwicklung von Geschäftsmodellen für neue Smart-Energy-Management-Funktionalitäten
Industriekooperation: Entwicklung eines Versuchsaufbaus zum Test eines Antriebscontrollers für eine regenerativ gespeiste Produktionsanlage
BA/PA/MA – Potentialanalyse / Implementierung eines Machine Learning Modells im Bereich Vakuum-basierter Beschichtungsprozesse basierend auf industriellen Zeitreihen-Daten
MA in Industriekooperation – Deep Learning for Time Series Signals for Anomaly Detection and Monitoring of Injection Molding Machines
Industriekooperation/Produktentwicklung: Integration eines Batteriespeichers in das Energiemanagement ein gleichstromversorgten Produktionsanlage
Power-Hardware-in-the-Loop (PHIL) Simulator für industrielle Gleichstromnetze
Entwicklung eines Messkoffers/Messkonzeptes zum Nachweis des CO2-Fußabdrucks
Digitaler Zwilling zur Bestimmung des CO2-Fußabdrucks
BA/MA – Deep Learning for Time Series Signals for Anomaly Detection and Monitoring of Injection Molding Machines