Index

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

Seltenerdmagnete (SE-Magnete), insbesondere Neodym-Eisen-Bor-Magnete kommen in vielen Zukunftstechnologien zum Einsatz und spielen daher eine zentrale Rolle für die Transformationsstrategie der Europäischen Union. Die notwendigen Seltenerdmetalle wie Neodym, Dysprosium und Terbium werden dabei aufgrund vulnerabler Lieferketten und schlechter Substituierbarkeit als kritische Rohstoffe klassifiziert. Außerdem verursacht die Primärproduktion von Seltenerdmagneten signifikante Umwelt- und Klimabelastungen.

Vor diesem Hintergrund besitzt das Recycling von SE-Magneten hohes geopolitisches, ökonomisches und ökologisches Potential. Allerdings ist ein geschlossener Rohstoffkreislauf aus technischen und organisatorischen Gründen derzeit nur schwer realisierbar, sodass aktuell weniger als ein Prozent der SE-Magnete in der EU recycelt wird. Da für viele End-of-Life-Produkte die Magnetextraktion durch Demontage nicht wirtschaftlich realisierbar ist, besitzt die Sortierung von geschreddertem Elektroschrott hohe Bedeutung. Die Herausforderung hierbei besteht darin, granulare Stoffgemische zuverlässig zu trennen, deren Bestandteile sich in vielen physikalischen Eigenschaften ähneln. Gleichzeitig muss die zu entwickelnde Prozesskette einen ausreichenden Durchsatz ermöglichen.

In diesem Kontext besteht das Ziel der ausgeschriebenen Arbeit darin, Verfahren zu untersuchen, die die Abtrennung der Seltenerdfraktion aus einem magnetischen Granulat (hart- und weichmagnetische Bestandteile) mittels mechanischer Verfahrenstechnik erlaubt. Der Fokus liegt auf der Magnetscheidung sowie auf Wechselwirkungen mit thermischen Prozessen. Hierbei kann auf Voruntersuchungen aufgebaut werden.

Inhalte:

• Literaturrecherche
• Aufzeigen des Stands der Technik für das Recycling von Seltenerdmagneten
• Charakterisierung von Proben mittels Siebklassierung und Mikroskopie
• Systematische Analyse des relevanten Eingangsmaterials in Hinblick auf physikalische Größen, die als Sortierkriterium infrage kommen (Fokus auf Magnetik)
• Schnittstellendefinition im Rahmen des Gesamtprozesses
• Analyse von Unterprozessen für die Entwicklung eines adäquaten Sortierverfahrens

Entsprechend der individuellen Interessen und Fähigkeiten sind unterschiedliche Schwerpunkte möglich (Aufbau von Versuchsträgern / Versuchsdurchführung) – z. B.

• Ausarbeitung eines Konzepts und Konstruktion eines Versuchsaufbaus
• Aufbau von Versuchsanlagen
• Demonstration der grundlegenden Eignung mithilfe von Versuchen (Versuchskonzeption, -durchführung und -auswertung)
• Bewertung von Prozessketten anhand ökonomischer und ökologischer Kriterien
  (z. B. Life Cycle Assessment)

Anforderungen und Informationen:

• Methodische und strukturierte Vorgehensweise
• Spezifische Vorkenntnisse sind nicht erforderlich
• Forschung in einem Zukunftsthema mit hoher strategischer Bedeutung
• Weitere Informationen auf Anfrage

Der Beginn der Arbeit ist ab sofort möglich. Aussagekräftige Bewerbungen sind bitte per E-mail inkl. Lebenslauf und aktuellem Notenspiegel zu stellen. Generische bzw. KI-generierte Anfragen werden ignoriert. Gute Deutschkenntnisse sind von Vorteil.

Seltenerdmagnete (SE-Magnete), insbesondere Neodym-Eisen-Bor-Magnete kommen in vielen Zukunftstechnologien zum Einsatz und spielen daher eine zentrale Rolle für die Transformationsstrategie der Europäischen Union. Die notwendigen Seltenerdmetalle wie Neodym, Dysprosium und Terbium werden dabei aufgrund vulnerabler Lieferketten und schlechter Substituierbarkeit als kritische Rohstoffe klassifiziert. Außerdem verursacht die Primärproduktion von Seltenerdmagneten signifikante Umwelt- und Klimabelastungen.

In diesem Kontext besitzt das Recycling von SE-Magneten hohes geopolitisches, ökonomisches und ökologisches Potential. Allerdings ist ein geschlossener Rohstoffkreislauf aus technischen und organisatorischen Gründen derzeit nur schwer realisierbar, sodass aktuell weniger als ein Prozent der SE-Magnete in der EU recycelt wird. Da für viele End-of-Life-Produkte die Magnetextraktion durch Demontage nicht wirtschaftlich realisierbar ist, besitzt die Sortierung von geschreddertem Elektroschrott hohe Bedeutung. Die Herausforderung hierbei besteht darin, granulare Stoffgemische zuverlässig zu trennen, deren Bestandteile sich in vielen physikalischen Eigenschaften ähneln. Gleichzeitig muss die zu entwickelnde Prozesskette einen ausreichenden Durchsatz ermöglichen.

Derzeit werden am Lehrstuhl FAPS entsprechende Sortierverfahren untersucht. Für die Prozessentwicklung ist dabei eine Quantifizierung der Sortiergüte entscheidend. Verfahren wie die energiedispersive Röntgenspektroskopie (EDX) erlauben die Identifikation von Elementen und somit direkte Aussagen über die Zusammensetzung von Proben. Als Nachteile bestehen dabei jedoch Limitationen in Hinblick auf die analysierbare Probenform und den untersuchten Ausschnitt. Eine mögliche Alternative stellt die Charakterisierung von Partikeln anhand lichtmikroskopischer Aufnahmen dar. Rückschlüsse auf die Probenzusammensetzung können so indirekt beispielsweise anhand von Farben und Oberflächenstruktur der Partikel getroffen werden. Die Auswertung soll mittels Machine Learning automatisiert erfolgen.

Inhalte:

• Literaturrecherche
• Zieldefinition und systematische Charakterisierung von relevantem Eingangsmaterial mittels Mikroskopie (Licht- / Lasermikroskop)
• Datenerhebung und -aufbereitung: Erzeugen einer ausreichenden Datengrundlage auf Basis der Mikroskopaufnahmen, Labeln der Daten
• Modellauswahl und -anpassung
• Trainieren des Modells

Anforderungen und Informationen:

• Methodische und strukturierte Vorgehensweise
• Ausreichende IT-Kenntnisse notwendig
  (Kenntnisse in Python und Erfahrungen im Umgang mit den Libraries PyTorch, OpenCV sind von Vorteil)
•  Forschung in einem Zukunftsthema mit hoher strategischer Bedeutung
• Weitere Informationen auf Anfrage

 

Der Beginn der Arbeit ist ab sofort möglich. Aussagekräftige Bewerbungen sind bitte per E-mail inkl. Lebenslauf und aktuellem Notenspiegel zu stellen. Generische bzw. KI-generierte Anfragen werden ignoriert.

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Intralogistik oder zur Erfassung digitaler Lagebilder.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Durch den autonomen Betrieb wird es möglich mithilfe geeigneter Navigation die Drohnen beispielsweise hinsichtlich ihres Energieverbrauchs zu optimieren. Hierfür ist die Erforschung robotischer Infrastrukturen (Robot Operating System 2), Computer-Vision, neuartiger KI-Modelle und Reinforcement Learning erforderlich. Zudem sind Hardwareaspekte, wie ein stabiler Aufbau des Flugroboters sowie die Ausstattung mit entsprechender Sensorik zu beachten.

Am Flugfeld des Lehrstuhl FAPS sind verschiedene Themen für Bachelor- und Masterarbeiten in den oben genannten Bereichen zu vergeben. Voraussetzung ist die Motivation zur selbständigen Einarbeitung in die Programmierung von Flugrobotern. Weitere Informationen erhalten Sie auf Anfrage per E-Mail.

Hinweise zur Bewerbung

• Erste Erfahrung und Freude an der Programmierung erforderlich
• Vorkenntnisse mit ROS2 sind von Vorteil
• Gute Englischkenntnisse erforderlich
• Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
• Selbstständige Arbeitsweise
• Zeitnaher Beginn möglich

• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
• Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Logistik oder zur Erfassung und photogrammetrischen Rekonstruktion von Gebäuden und Baustellen.

Für den effizienten und sicheren Einsatz ist es wünschenswert, dass die Drohnen ihre Aufgaben selbstständig erledigen, also autonom agieren. Dadurch wird es möglich mithilfe Agenten-basierter Navigation die Drohnen auf Basis von Reinforcement Learning Ansätzen hinsichtlich unterschiedlicher Kriterien zu optimieren.

In dieser Arbeit soll ein Agent in einer Simulationsumgebung trainiert werden, um optimierte Flugpfade zu erlernen. Bei ausreichender Robustheit soll die Performance des Agenten auf einem realen System validiert werden.

Ziele und Arbeitsschritte

• Einarbeitung in ROS2 und die Programmierung autonomer Drohnen
• Anpassung der Simulationsumgebung und Training der Agenten
• Übertrag und Validierung auf realem System

Benefits

• Hands-On Erfahrung in der Entwicklung im Bereich Robotik
• Austausch mit anderen Studierenden am FAPS
• Einblicke in weitere Forschungsbereiche
• Anwendungsbezogene Arbeit für den Berufseinstieg
• Flexible Arbeitsweise

Hinweise zur Bewerbung

• Erste Erfahrung und Freude an der Programmierung erforderlich
• Vorkenntnisse mit ROS2 sind von Vorteil
• Gute Englischkenntnisse erforderlich
• Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
• Selbstständige Arbeitsweise
• Zeitnaher Beginn möglich

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

Aufgabenstellung

Im Rahmen der Abschlussarbeit soll zusammen mit dem Industriepartner Siemens die Möglichkeit der Prüfaufwandsreduktion durch intelligente Datenanalyse ermittelt werden. Dies erfolgt anhand bereits vorhandener Datensätze welche sich aus unterschiedlichsten Quellen zusammensetzen. Die Datensätze müssen effizient zusammengeführt, mittels statistischer Methoden gesichtet und abschließend in ein geeignetes Machine Learning Modell überführt werden. Aus den Erkenntnissen des selbst erstellen Modells soll eine Qualitätsvorhersage für ein bestimmtes Produktspektrum der Siemens AG ermöglicht 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 Machine Vision) und den aktuellen Stand des Projekts
• Anfertigung einer strukturierten Datenanalyse mit Prozessexperten vor Ort, um den Informationsgehalt der Daten zu überprüfen
• Ausarbeitung verschiedener Machine Learning Modelle für den effizienten Umgang mit den heterogenen Datenstrukturen und die Prädiktion der Produktqualität
• Vollständige Dokumentation der Arbeit (GitHub, Conceptboard etc.)

Vorkenntnisse

• keine themenspezifischen Vorkenntnisse erforderlich, Einarbeitungszeit wird gewährt
• Programmierkenntnisse von Vorteil

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 Konstantin Schmidt (kein Anschreiben oder Motivationsschreiben erforderlich)
• Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch

Zahlreiche für den Betrieb kritische elektrische Systeme der Deutschen Bahn wie beispielsweise Weichen, Signale und Achszähler werden in einem separaten Gleichstromkreis betrieben. Innerhalb eines dieses Stromkreises sind zudem Batteriesysteme parallelgeschaltet, die im Falle eines Stromausfalls oder Ausfall eines Gleichrichters unmittelbar als Notstromversorgung einspringen. Im Regelbetrieb sind die Batteriesysteme dauerhaft im sog. Ladeerhaltungsmodus eingebunden.
Der für die Systeme benötigte Gleichstrom wird über Wechselrichter aus der Netzspannung gewandelt, die klassischerweise ein 50Hz-Wechselstromnetz darstellt. Aufgrund der Art und Weise der Gleichrichtung bleibt – je nach Typ und Alter des Gleichrichters – eine mehr oder minder hohe Restwelligkeit im Gleichstromkreis bestehen. Ein wenig untersuchtes Gebiet ist die Auswirkung von Restwelligkeiten auf die oben beschriebenen Gleichstromsysteme, die teilweise empfindlich auf bereits leichte Spannungsschwankungen reagieren. Aktuell existiert nur stichprobenartige Evidenz, dass Systeme aufgrund von Restwelligkeiten frühzeitig ausfallen oder ihre Lebensdauer signifikant verkürzt wird.
In der zu bearbeitende studentische Arbeit soll zunächst an unterschiedlichen Standorten gemessen, die Daten ausgewertet und letztendlich Rückschlüsse auf den Einfluss auf die Gleichstromsysteme gezogen werden. Stellt sich heraus, dass Restwelligkeit einen hohen Einfluss besitzt, soll diese zukünftig regelmäßig gemessen und frühzeitig bei Grenzwertüberschreitungen gewarnt werden. Im Rahmen der Arbeit bist Du direkt eingebunden in die Weiterentwicklung für ein Frühwarn- und Diagnosesystem der Instandhaltung.

Was ist der Inhalt der Arbeit?

• Arbeite dich in die Funktionsweise von elektrischen Versorgungssystemen von Stellwerken und nachgeschalteten Gleichstromsystemen ein.
• Erarbeite den theoretischen Hintergrund der Entstehung von Restwelligkeiten an Gleichrichtersystemen und den Einfluss auf nachgeschaltete Systeme.
• Entwirf eine Messstrategie zur Messung von Restwelligkeit.
• Erfasse die Restwelligkeit von Stromversorgungssystemen in Stellwerken an mehreren Standorten für einen umfassenden Überblick über die aktuelle Situation.
• Vergleiche die Messdaten mit dem Zustand der eingebundenen Systeme wie z.B. Typen oder Generationen von Stellwerken und bewerte den Einfluss auf diese.
• Bestimme die Anforderungen an einen Grenzwert oder Indikator, den ein potenzielles Messgerät zur Messung von Restwelligkeiten erfassen muss, um eine Aussage über die Lebensdauer von Gleichstromsystemen zu treffen.

Was erwartet dich?

• Arbeite im engen Kontakt mit der DB InfraGO und anderen DB Unternehmen und erhalte einen direkten Einblick die Technik in Stellwerken, die unsere Infrastruktur am Laufen hält.
• Erhalte einen tiefen Einblick in die Funktionsweisen von Stellwerken und angeschlossenen Systemen.
• Tritt in den Austausch mit Fachexperten im Bereich Energieversorgung bei der Deutschen Bahn.
• Sei eingebunden in ein praxis- und ergebnisrelevantes Projekt zur Erhöhung der Verfügbarkeit von Systemen der Deutschen Bahn und gestalte unmittelbar mit.

Was bringst du mit?

• Du beweist Flexibilität in der Absprache mit Personal an den Standorten und hast ein proaktives Auftreten gegenüber Verantwortlichen.
• Du bist bereit für Reisetätigkeiten, um an unterschiedlichen Standorten in Deutschland Messungen vorzunehmen.
• Du hast gute Deutschkenntnisse in Wort und Schrift.

Haben wir dein Interesse geweckt oder hast du noch Rückfragen? Wir freuen uns auf deine Anfrage.

Kontakt:
Andreas Reichle (HOREICH GmbH)
andreas.reichle@horeich.de
+49 9131 9234042

Im Rahmen des Forschungsprojekts LLM-SE (Large Language Model unterstütztes Systems Engineering) erforschen wir am Lehrstuhl FAPS innovative Ansätze zur Teilautomatisierung des Engineerings mechatronischer Systeme mithilfe generativer KI. Ziel ist es, komplexe Entwicklungsprozesse – von der Anforderungsanalyse bis zur virtuellen Inbetriebnahme – durch KI-gestützte Assistenzsysteme effizienter und robuster zu gestalten.

Aufgabenbereiche

Wir suchen motivierte Studierende zur Unterstützung bei der Entwicklung eines Demonstrators, der die virtuelle Inbetriebnahme eines mechatronischen Systems ermöglicht. Der Fokus liegt auf der Integration generativer KI-Modelle (z. B. LLMs) zur Unterstützung von Engineering-Aufgaben.

1. Modellerstellung in Unity

   • Erstellung und Kinematisierung des mechatronischen Systems (am Beispiel einer CO2-Neutralen Produktionsanlage am FAPS)

   • Integration von Verhaltensmodellen zur Beschreibung von Sensoren und Aktoren

2. Anbindung der SPS mit Siemens TIA Portal

   • Entwicklung einer einfachen Steuerungslogik für das System

   • Anbindung der SPS an das Mechatronische Modell

3. Erstellung der ECAD-Verbindung

   • Extraktion relevanter Verbindungen zwischen SPS und der Produktionsanlage

   • Ableitung der IO-Strukturen

4. Integration generativer KI-Modelle

   • Anbindung eines LLM-Moduls zur teilautomatisierten Modell- oder Codegenerierung

   • Evaluation der KI-gestützten Assistenzfunktionen im Engineering-Prozess

Profil

• Studium in Maschinenbau, Elektrotechnik, Mechatronik, Informatik oder vergleichbar

• Kenntnisse in Unity (C#), TIA Portal oder EPLAN wünschenswert

• Interesse an KI, Automatisierung und virtueller Inbetriebnahme

• Selbstständige und strukturierte Arbeitsweise, Teamfähigkeit sowie gute Kommunikationsfähigkeiten

• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Was wir bieten

• Einbindung in ein aktuelles öffentlich gefördertes Forschungsprojekt

• Hohe Zusammenarbeit mit regionalen Industriepartnern

Beginn

Ab sofort möglich. Die Position ist als Bachelor-, Projekt- oder Masterarbeit verfügbar.

Kontakt

Interessierte Studierende senden bitte ihre Bewerbungsunterlagen (kurzes Motivationsschreiben, Lebenslauf, Notenspiegel) per E-Mail an:E-Mail: martin.barth@faps.fau.de

Weitere Informationen zum Projekt LLM-SE:
 LLM-SE auf faps.fau.de

Das Projekt Restladung umfasst die Entwicklung einer kosteneffizienten DC-Wallbox auf Basis einer Ein-Platinen-Lösung und einer passiven Wärmeabfuhr. Das Teilprojekt des FAPS fokussiert neben dem automatisierungsgerechten Produktdesign insbesondere die hochpräzise Montage der Leistungselektronik in das Gehäuse. Besondere Berücksichtigung gilt demnach der optimalen Wärmekopplung beider Komponenten durch den Einsatz von 3D-Kameratechnik. Es werden der Einfluss von Fertigungs- und Montagetoleranzen auf das Kühlverhalten analysiert und zur Optimierung der Wärmeleitung ein Prozess des flexiblen Toleranzausgleichs mittels adaptiven Auftrages von wärmeleitfähigen Substanzen erarbeitet und im Zusammenspiel mit einem darauffolgenden Schraubprozesses prototypisch untersucht.

Hierfür wird ein Versuchsaufbau entwickelt, mit dem die Wärmekopplung zwischen MOSFETs und Kühlkörpern untersucht werden kann. Anschließend werden verschiedene Einflussfaktoren herausgearbeitet und deren Auswirkungen auf die Wärmekopplung mithilfe statistischer Versuche analysiert.

Aufgabenstellung:

• Konzeptionierung und Aufbau eines Versuchsaufbaus
• Systematische Versuche mit DoE durchführen
• Optimierung der Wärmeleitfähigkeit
• Ermittlung der elektrischen Isolationsfestigkeit
• Optional: Aufbau einer Simulation und Rückführung der Messergebnisse
• Dokumentation der Ergebnisse

Anforderungen:

• Studium im Bereich Maschinenbau / IPEM / WING / Mechatronik / Elektrotechnik o.Ä.
• Technisches Geschick und Bereitschaft, sich in neue Technologien einzuarbeiten
• Hohe Motivation, Neugierde sowie eine selbständige und strukturierte Arbeitsweise
• Deutsch in Wort und Schrift

Bitte bewerben Sie sich mit einem aktuellen Notenspiegel und Lebenslauf.