Index

Ausgangssituation:

Induktive Ladepads für elektrische Fahrzeuge erfordern hochzuverlässige und effiziente Kontaktierungen, insbesondere bei der Verwendung von primärisolierten HF-Litzen aus Aluminium. Aluminium bietet Vorteile wie geringes Gewicht und gute Leitfähigkeit, stellt jedoch besondere Anforderungen an die Kontaktierung aufgrund seiner Oxidationsanfälligkeit und mechanischen Eigenschaften. Ziel ist es, die Machbarkeit und Zuverlässigkeit der Kontaktierung zu demonstrieren.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche: Untersuchung bestehender Kontaktierungstechniken für Aluminiumlitzen.

• Konzeptentwicklung: Proof of Concept, der die Kontaktierung von HF-Litzen qualifiziert.

• Versuchsdurchführung: Testen der Kontaktierungen unter realistischen Bedingungen (z. B. Temperaturzyklen, Strombelastung) und Bewertung der elektrischen und mechanischen Stabilität.

• Dokumentation: Auswertung der Ergebnisse und Erstellung einer detaillierten Dokumentation einschließlich Empfehlungen für die weitere Entwicklung.

 

Voraussetzungen zur Bewerbung:

• Fachkenntnisse: Grundkenntnisse in Elektrotechnik und Materialwissenschaften, sowie Interesse an experimenteller Arbeit.

• Arbeitsweise: Selbstständige, strukturierte und präzise Arbeitsweise sowie Teamfähigkeit.

• Sprachkenntnisse: Gute Deutschkenntnisse in Wort und Schrift; Englischkenntnisse sind von Vorteil für die Literaturrecherche.

 

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an:

miriam.eichinger@faps.fau.de

 

Sollten Sie in die engere Auswahl kommen, werden Sie per Mail kontaktiert. Ein Anruf ist nicht notwendig.

Ausgangssituation:

Hochfrequenzlitzen (HF-Litzen) werden in zahlreichen Anwendungen der Elektromobilität, eingesetzt, um Skin- und Proximity-Effekte zu minimieren. Eine Herausforderung besteht in der zuverlässigen Kontaktierung primärisolierter HF-Litzen. In diesem Kontext soll ein innovativer Ansatz verfolgt werden, bei dem die Litze induktiv erwärmt wird, um die Isolierung thermisch zu entfernen, während sie gleichzeitig mechanisch verpresst wird. Ziel ist es, einen Versuchsstand zu entwickeln, der diesen Prozess ermöglicht und die Kontaktqualität systematisch untersucht.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche: Untersuchung bestehender Methoden zur Kontaktierung von HF-Litzen und Analyse relevanter Technologien für induktive Erwärmung und mechanische Verpressung.
• Konzeptentwicklung: Entwurf eines Versuchsstandes, der die simultane thermische Abisolierung und mechanische Verpressung von HF-Litzen ermöglicht.
• Aufbau des Versuchsstandes: Konstruktion und Implementierung des Versuchsstandes, einschließlich der Auswahl geeigneter Komponenten für die induktive Erwärmung und Verpressung.
• Durchführung von Versuchen: Testen und Optimierung der Prozessparameter (z. B. Temperatur, Presskraft).
• Auswertung und Dokumentation: Analyse der Versuchsergebnisse hinsichtlich der Kontaktqualität (z. B. elektrischer Widerstand, mechanische Stabilität) und Erstellung einer umfassenden Dokumentation.

Nähere Informationen sowie Beginn und Umfang der Arbeit können in einem persönlichen Gespräch diskutiert werden. Eine Konkretisierung des Themas erfolgt nach Absprache.

Voraussetzungen zur Bewerbung:

• Fachkenntnisse: Grundkenntnisse sowie Interesse an experimenteller Arbeit und Konstruktion.
• Technische Fähigkeiten: Erfahrung im Umgang mit CAD-Software von Vorteil.
• Arbeitsweise: Selbstständige, strukturierte und sorgfältige Arbeitsweise sowie Freude an praktischer und theoretischer Arbeit.
• Sprachkenntnisse: Gute Deutschkenntnisse in Wort und Schrift; Englischkenntnisse sind von Vorteil für die Literaturrecherche.

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an:

miriam.eichinger@faps.fau.de

 

Sollten Sie in die engere Auswahl kommen, werden Sie per Mail kontaktiert. Ein Anruf ist nicht notwendig.

Im Rahmen des aktuellen Forschungsprojekts HapticScan liegen bereits 3D-rekonstruierte Ultraschalldaten in Form von Punktwolken vor. Diese stellen jedoch lediglich eine Rohfassung der Gewebestruktur dar und erlauben bislang keine weitergehende quantitative Analyse oder Visualisierung. Die automatisierte Erstellung volumetrischer Modelle aus diesen Punktwolken stellt daher einen entscheidenden nächsten Schritt dar, um die klinische Anwendbarkeit der Ultraschallrekonstruktionen deutlich zu verbessern.

Ziel dieser Arbeit ist die Entwicklung und Evaluierung eines Verfahrens zur Volumenerstellung aus bestehenden 3D-Ultraschall-Punktwolken. Dabei sollen verschiedene Algorithmen (z. B. voxelbasierte Rekonstruktion, Mesh-Generierung, Surface Reconstruction) implementiert und hinsichtlich Genauigkeit, Performance und Visualisierungsqualität verglichen werden.

Inhalte:

• Einarbeitung in Ultraschall, 3D-Punktwolkenverarbeitung und Volumenrekonstruktion
• Implementierung und Integration der Algorithmen in bestehende Workflows
• Evaluation der Ergebnisse in Bezug auf Genauigkeit und Rechenzeit

Voraussetzungen:

• Interesse an medizinischer Bildverarbeitung und 3D-Datenanalyse
• Programmierkenntnisse (Python, C++, MATLAB o. ä.)
• Erfahrung mit 3D-Visualisierungstools (z. B. Open3D, VTK) von Vorteil
• Selbständige und sorgfältige Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort

Ausgangssituation

Im Zuge der Digitalisierung sind konsistente Datensätze längst zu einer wertvollen Ressource geworden. Besonders im Produktionsbereich stehen oft Terabyte an verschiedenen Messwerten und Prozessdaten zur Verfügung. In Kombination mit Methoden der intelligenten Datenverarbeitung wie Machine Learning lassen sich damit große, wirtschaftliche Hebel erzeugen.

Besonders die Branche der Elektronikfertigung ist geprägt durch einen umfassenden Automatisierungsgrad und weitreichende Kommunikationsstandards, wodurch der Grundstein für den Einsatz maschineller Lernverfahren gelegt ist. Durch umfassende Prüfprozesse wird in der Elektronikfertigung eine exzellente Produktqualität im einstelligen dpm-Bereich erzielt. Erhöhte Durchlaufzeiten, hohe Investitionskosten und erhöhter Platzbedarf stellen jedoch die Kehrseite der Medaille dar. Dadurch ist der Ansatz entstanden mittels intelligenter Datenauswertung den Prüfaufwand ohne Reduktion der Qualität zu minimieren.

Keywords

Data Science, Big Data, Artificial Intelligence, Machine Learning, IIoT, Agentensysteme

Aufgabenstellung

Im Rahmen der Abschlussarbeit soll zusammen mit dem Industriepartner Siemens der Einsatz von Multiagentensystem im produktionsnahen Bereich untersucht werden. Dies erfolgt anhand bereits vorhandener Datensätze. Die Datensätze müssen effizient zusammengeführt, gesichtet und abschließend in ein geeignetes Multiagentensystem überführt werden. Mit dem selbst erstellten System sollen Anwendungen mit komplexen Daten benutzerfreundlicher gestaltet werden. Es wird auf bereits bestehenden Arbeiten aufgebaut. Die Bearbeitung erfolgt bei Siemens in Amberg.

Potentielle Arbeitspakete

• Einarbeitung in die SMT-Fertigung, die relevanten Grundlagen des maschinellen Lernens (insbesondere Large Language Modelle und Agentensysteme) und den aktuellen Stand des Projekts
• Anfertigung einer strukturierten Datenanalyse mit Prozessexperten vor Ort, um den Informationsgehalt der Daten zu überprüfen
• Ausarbeitung verschiedener Multiagentensysteme für den effizienten Umgang mit den heterogenen Datenstrukturen
• Vollständige Dokumentation der Arbeit (GitHub, Conceptboard etc.)

Vorkenntnisse

• Programmierkenntnisse in Python
• Fortgeschrittene Kenntnisse Machine Learning
• Fortgeschrittene Kenntnisse Internet of Things
• Fortgeschrittene Kenntnisse von Large Language Modellen
• Grundkenntnisse in Multiagentensystemen

(falls keine Vorkenntnisse vorhanden sind, ist eine themenspezifische Einarbeitung vor Beginn erforderlich)

Voraussetzungen

• Begeisterung für das Fachgebiet
• Hohe Motivation und Einsatzbereitschaft
• Strukturierte und eigenständige Arbeitsweise
• Arbeiten im Team
• IT-Affinität

Beginn

• Ab sofort und jederzeit möglich

Sonstiges

• Anwendungsbezogene Forschung direkt beim Industriepartner Siemens in Amberg
• Bearbeitung der Arbeit kann jedoch größtenteils im Home-Office erfolgen
• Der Arbeitsumfang kann je nach Art der Arbeit (BA/PA/MA) angepasst werden

Bewerbung

• Bewerbung mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an Felix Mahr (kein Anschreiben oder Motivationsschreiben erforderlich)
• Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch
• Nach der Vorstellung des potentiellen Themas für die Abschlussarbeit im persönlichen Gespräch, muss der Bewerber eine 20-minütige Präsentation über die Problemstellung, mögliche Lösungsansätze, technische Hintergründe und den potentiellen Verlauf der Abschlussarbeit vorbereiten (FAPS-Richtlinien müssen dabei immer eingehalten werden)
• Wichtig: eine reine ChatGPT-Bewerbung führt zum sofortigen Ausschluss beim Bewerbungsprozess

Die exakte Positions- und Lagebestimmung einer Ultraschallsonde ist entscheidend für die 3D-Rekonstruktion von Weichgewebe – z. B. zur digitalen Erfassung der Stumpfgeometrie bei der Prothesenversorgung. Um die derzeitige manuelle Palpation objektivierbar zu machen, wird in einem laufenden Forschungsprojekt ein System entwickelt, das elastographische Ultraschalldaten mit präzisen Trajektorieninformationen kombiniert.

Ziel dieser Arbeit ist es, aktuelle visuelle und visuell-inertiale SLAM-Verfahren (z. B. ORB-SLAM3, VINS-Fusion, RTAB-Map) im Kontext der Ultraschallbildgebung zu evaluieren. Dabei soll untersucht werden, welche Verfahren sich besonders gut für den klinischen Einsatz eignen – etwa im Hinblick auf Genauigkeit, Driftverhalten, Rechenlast und Echtzeitfähigkeit.

Inhalte:

• Einarbeitung in SLAM-Grundlagen und deren Anwendung in der medizinischen Bildgebung
• Auswahl und Implementierung aktueller SLAM-Algorithmen
• Aufbau eines Versuchsszenarios mit bewegter Ultraschallsonde (simuliert oder real)
• Vergleich der Verfahren anhand definierter Metriken (z. B. Pfadabweichung, Stabilität, Frame-Rate)
• Bewertung der Verfahren im Hinblick auf die spätere Nutzung zur 3D-Rekonstruktion

Voraussetzungen:

• Interesse an interdisziplinären Fragestellungen (Computer Vision, Medizintechnik, Robotik)
• Erste Erfahrungen mit Bildverarbeitung, Tracking oder SLAM von Vorteil
• Programmierkenntnisse in Python oder C++
• Erfahrung mit ROS, OpenCV oder SLAM-Frameworks wünschenswert
• Sorgfältige, strukturierte und analytische Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort

Eine präzise und systematische Durchführung von Ultraschallmessungen ist entscheidend für die Qualität der 3D-Rekonstruktion von Gewebestrukturen – z. B. zur objektiven Vermessung von Amputationsstümpfen für die Prothesenversorgung. Aktuell fehlen in der klinischen Praxis jedoch Mittel zur Rückmeldung über die Scanqualität oder Vollständigkeit während der Messung.

Ziel dieser Arbeit ist es, ein Echtzeit-Feedbacksystem zu entwickeln, das die Benutzer:innen bei der Durchführung von Ultraschallscans unterstützt, ohne ihren natürlichen Arbeitsfluss zu stören. Dabei soll untersucht werden, welche Arten von Feedback (z. B. akustisch, haptisch, visuell) in der Praxis realistisch und hilfreich sind.

Mögliche Feedbackansätze:

• Akustisches Feedback: z. B. Tonhöhe oder Sprachhinweise bei zu hoher Geschwindigkeit oder ungescannten Bereichen
• Haptisches Feedback: z. B. Vibrationsmotor am Griff bei Positionsfehlern oder Überspringen von Regionen
• Visuelles Feedback: z. B. kleine LED-Anzeigen, farblich codierte Rückmeldung oder minimales Tablet-Display in Blicknähe

Inhalte:

• Einarbeitung in relevante Themen (Ultraschall, Tracking, Human-Machine-Interaction)
• Auswahl und prototypische Umsetzung geeigneter Feedbackmethoden
• Entwicklung eines Feedbacksystems (Software und ggf. einfache Hardwarekomponenten)
• Echtzeit-Anbindung an Tracking- und Bilddaten
• Evaluation der Benutzerfreundlichkeit in typischen Scan-Szenarien

Voraussetzungen:

• Interesse an interdisziplinären Themen (Medizintechnik, UX-Design, Sensorik)
• Grundkenntnisse in GUI-/Systementwicklung (z. B. PyQt, Tkinter, ROS Rviz)
• Erste Erfahrungen in Echtzeitsystemen, Sensorverarbeitung oder Mikrocontroller von Vorteil
• Programmierkenntnisse (Python, C++ o. ä.)
• Sorgfältige, kreative und benutzerorientierte Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort

Im Rahmen des Forschungsprojekts HapticScan zur Digitalisierung der Prothesenversorgung wird ein System entwickelt, das haptische Gewebedaten mittels Ultraschall-Elastographie erfasst und in ein dreidimensionales Modell überführt. Um diese Daten korrekt räumlich einordnen zu können, ist eine präzise Erfassung sowohl der Bewegung der Ultraschallsonde als auch der äußeren Geometrie des Beins erforderlich.

Stereokameras bieten die Möglichkeit, die Oberfläche eines Objekts als Punktwolke zu rekonstruieren und gleichzeitig die eigene Bewegung im Raum zu verfolgen – z. B. durch Integration moderner SLAM-Algorithmen.

Ziel der Arbeit ist die Analyse und prototypische Umsetzung eines Systems, das mithilfe einer Stereokamera sowohl eine 3D-Punktwolke der Umgebung aufnimmt als auch die Trajektorie der Sonde in Echtzeit verfolgt. Dabei sollen die Möglichkeiten und Grenzen der Kamera im diesem Kontext evaluiert werden.

Inhalte:

• Einarbeitung in die Hardware und Software der Intel RealSense D435i (Tiefenbild, IMU, Synchronisation)
• Einarbeitung in bestehende 3D-Erfassungs- und SLAM-Algorithmen (z. B. RealSense SDK, ORB-SLAM3, RTAB-Map)
• Konzeption und Aufbau eines Versuchsaufbaus zur gleichzeitigen Datenerfassung
• Untersuchung der Genauigkeit und Stabilität der erzeugten 3D-Modelle und der Bewegungsverfolgung
• Evaluierung der Eignung für die Kombination mit einem Ultraschallsystem
• Dokumentation von Herausforderungen, Grenzen und Optimierungsmöglichkeiten

Voraussetzungen:

• Interesse an Computer Vision, Sensorfusion und Medizintechnik
• Programmierkenntnisse in Python oder C++
• Erste Erfahrungen mit ROS und OpenCV von Vorteil
• Interesse an praktischer Arbeit mit Kameras und Sensoren
• Strukturierte und selbstständige Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort

In Deutschland werden jährlich über 60.000 Amputationen durchgeführt – überwiegend an den unteren Extremitäten. Dies führt zu massiven Einschränkungen der Mobilität, weshalb viele Patient:innen auf Prothesen angewiesen sind. Die derzeitige Prothesenversorgung basiert auf manueller Palpation und Gipsabdruck, wodurch die Qualität stark von der subjektiven Einschätzung und Erfahrung der Orthopädietechniker:innen abhängt.

Im aktuellen Forschungsprojekt HapticScan wird ein neuartiges haptisches Scansystem entwickelt, das die manuelle Palpation digitalisiert und objektivierbar macht. Dabei werden elastographische Ultraschalldaten mit präzisen Positionsdaten kombiniert, um die Gewebestruktur dreidimensional zu rekonstruieren.

Im Rahmen dieser Arbeit soll ein System entwickelt werden, das in der Lage ist, die Position und Ausrichtung einer Ultraschallsonde während der Messung in Echtzeit zu erfassen. Die Lokalisierungsdaten sollen mit Bilddaten zur 3D-Rekonstruktion fusioniert werden. Moderne SLAM-Ansätze wie ORB-SLAM3 oder VINS-Fusion sollen zur präzisen Erfassung von Trajektorien und zur Echtzeitverarbeitung integriert und evaluiert werden.

Inhalte:

• Eigenständige Einarbeitung in relevante Grundlagen (Ultraschall, Elastographie, SLAM, Sensorfusion, Lokalisierung)
• Recherche zum Stand der Technik im Bereich Tracking und Echtzeit-3D-Rekonstruktion
• Konzeption und mechanische Integration der Kamera an der Ultraschallsonde
• Implementierung eines Echtzeit-Tracking-Systems (z. B. ORB-SLAM3 oder VINS-Fusion)
• Fusion der Trackingdaten mit Ultraschallinformationen zur 3D-Rekonstruktion des Gewebes
• Evaluation der Systemgenauigkeit und Echtzeitfähigkeit

Voraussetzungen:

• Interesse an interdisziplinären Themen (Medizintechnik, Robotik, Computer Vision)
• Erste Erfahrungen mit Sensortechnik, Bildverarbeitung oder SLAM-Verfahren
• Programmierkenntnisse in Python oder C++
• Erfahrung mit ROS, OpenCV oder ähnlichen Frameworks von Vorteil
• Sorgfältige, selbstständige und strukturierte Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort