Index
BA/PA/MA: Modellbildung, Systemanalyse und KI-Basierte Flugsicherheit für autonome Drohnen zum sicheren Sim2Real Transfer Agenten-basierter Systeme

Drohnen werden in unterschiedlichsten Gebieten der Industrie eingesetzt, unter anderem zum Materialtransport in der Logistik oder zur 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. Die Agenten lernen dabei in modernen Simulatoren komplexe Verhaltensmuster.
Um die Übertragbarkeit eines in der Simulation trainierten Agenten auf die Realität problemlos zu ermöglichen, ist die Erforschung neuartiger Ansätze zur Überwindung der Kluft zwischen Simulation und Realität (Sim2Real-Transfer) notwendig.
Es gibt einige Abschlussarbeiten zum Thema Sim2Real Transfer zu vergeben. Darunter beispielsweise:
- Datenbasierte Modellbildung und Agententraining
- Systemanalyse und Quantifizierung der Sim2Real Gap
- KI-Basierte Flugsicherheit und Zustandsüberwachung
Weitere Informationen zu den einzelnen Themen erhalten Sie auf Anfrage.
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
- Interesse am Robot Operating System (ROS2)
- Gute Englischkenntnisse erforderlich
- Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
- Selbstständige Arbeitsweise
- Beginn jederzeit möglich
Modellbildung und Abstraktion der Flugdynamik einer autonomen Drohne

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 hinsichtlich unterschiedlicher Kriterien zu optimieren.
In dieser Arbeit soll eine Modellbildung erfolgen, um die Dynamik eines Demonstrators (Hexacopter) vereinfacht in einer Simulation abbilden zu können und somit das Agententraining zu verbessern.
Ziele und Arbeitsschritte
- Einarbeitung in ROS2 und die Programmierung autonomer Drohnen
- Aufnahme von Daten mit realer Drohne und in der Simulation
- Modellbildung mittels neuartiger Modellbildungs-Ansätze
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
- Programmiererfahrung in Python und/oder C++
- Vorkenntnisse mit dem ROS2, Reinforcement Learning oder Regelungstechnik sind von Vorteil
- Gute Englischkenntnisse sind erforderlich
- Beginn jederzeit möglich
- Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
Abschlussarbeit zu autonomen Drohnen

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
- Freude an der Programmierung
- Interesse am Robot Operating System
- Gute Englischkenntnisse erforderlich
- Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
- Selbstständige Arbeitsweise
- Beginn jederzeit möglich
- Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
- Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden
BA/MA: Reinforcement Learning basierte Navigation für autonome Drohnen

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
- Interesse am Robot Operating System
- Gute Englischkenntnisse erforderlich
- Sehr gute Deutscherkenntnisse erforderlich (mind. C1)
- Selbstständige Arbeitsweise
- Beginn jederzeit möglich
BA/PA/MA – Einsatz von XR in der Lehre

Projekthintergrund:
eXtended Reality (XR) lässt sich hervorragend für die Bildung einsetzen – insbesondere bei komplexen, räumlich-geometrischen Aufgabenstellungen. In XR kann gefahrlos trainiert werden, ohne Risiken für Leib und Leben oder die Gefahr von Sachbeschädigungen. Zukunftswelten, die physisch noch gar nicht existieren, lassen sich frühzeitig erkunden. Darüber hinaus ermöglicht XR die Darstellung seltener oder potenziell gefährlicher Szenarien. Auch Trainingseinheiten, die räumlich oder zeitlich verteilt stattfinden, sind möglich – mit einer potenziell unbegrenzten Anzahl an Teilnehmenden.
All das sind überzeugende Gründe, die vielseitigen Potenziale von XR auch in der Ausbildung zur Elektromobilität zu nutzen. Doch welche Ausbildungsinhalte lassen sich sinnvoll abbilden – und wie? Welche didaktischen Konzepte eignen sich dafür? Welche XR-Technologien sollen eingesetzt werden? Und in welche anderen Ausbildungsbereiche können die Erkenntnisse dieses Projekts übertragen werden?
Diese Fragen und mehr werden im Projekt XR-Upskill behandelt.
Motivation BA/PA/MA:
Im Projekt XR-Upskill wird untersucht wie Ausbildenden und Trainern die Erstellung von XR-Schulungen und XR-Schulungsinhalten ermöglicht werden kann. Dazu werden Softwaretools eingesetzt, evaluiert und weiterentwickelt und der Einsatz von XR-Anwendungen in der Lehre erprobt. Die eingesetzten XR-Formate reichen von Tablet-AR über MR bis VR. Diese kommen in unterschiedlichen Settings von Trainer-geführten, synchronen Lehreinheiten bis zu asynchronen virtuellen Welten, die für autodidaktisches Lernen ausgelegt sind. Inhalt einer studentischen Arbeit könnten folgende Themen sein:
- Welche Möglichkeiten zur Lernzielkontrolle gibt es in XR? Literaturrecherche und praktische Umsetzung von Beispielen
- Welches Vorgehen ist für die Integration von AR in einer Übung an der Universität wichtig? Umsetzung und Handlungsempfehlungen
- Wie kann Gamification in virtuellen Welten eingesetzt werden? Literaturrecherche und Umsetzung am Beispiel einer virtuellen Welt, in welcher E-Mobilität näher gebracht wird.
- Wie können mehrere Inhalte in virtuellen Welten strukturiert werden? Literaturrecherche und Umsetzung am Beispiel von Ladestandards
- Wie können physikalische Grundlagen für die Elektromobilität spielerisch erkundet werden?
- Komm auch gerne mit eigenen Vorschlägen rund um dieses Themenfeld auf uns zu
Mögliche Arbeitsinhalte:
- Einlesen in die begleitende Literatur
- Einarbeitung in Grundlagen zu Virtual und Augmented Reality und ihrem Einsatz in der Lehre
- Einarbeitung in benötigte Softwaretools
- Umsetzung der Inhalte
- Evaluation
Was du mitbringen solltest:
- Strukturierte und selbstständige Arbeitsweise
- Interesse an VR/AR/XR
- Idealerweise Erfahrungen mit 3D Modellierung
Was du erwarten kannst:
- Spannende Einblicke in den Aufbau virtueller Welten
- Erfahrungen in der Arbeit mit VR/AR
- Intensive Betreuung nach Bedarf
- Kostenloser Kaffee
Organisatorisches:
Der Beginn der Arbeit ist flexibel und der Umfang kann entsprechend der zu verfassenden Arbeit angepasst werden.
Bitte wende dich dich bei Interesse mit kurzem Lebenslauf und aktueller vollständiger Notenübersicht per Mail an David Kunz.
BA/PA/MA – Curriculum für Ausbildende und Trainer zur Befähigung des Einsatzes von XR

Projekthintergrund:
eXtended Reality (XR) lässt sich hervorragend für die Bildung einsetzen – insbesondere bei komplexen, räumlich-geometrischen Aufgabenstellungen. In XR kann gefahrlos trainiert werden, ohne Risiken für Leib und Leben oder die Gefahr von Sachbeschädigungen. Zukunftswelten, die physisch noch gar nicht existieren, lassen sich frühzeitig erkunden. Darüber hinaus ermöglicht XR die Darstellung seltener oder potenziell gefährlicher Szenarien. Auch Trainingseinheiten, die räumlich oder zeitlich verteilt stattfinden, sind möglich – mit einer potenziell unbegrenzten Anzahl an Teilnehmenden.
All das sind überzeugende Gründe, die vielseitigen Potenziale von XR auch in der Ausbildung zur Elektromobilität zu nutzen. Doch welche Ausbildungsinhalte lassen sich sinnvoll abbilden – und wie? Welche didaktischen Konzepte eignen sich dafür? Welche XR-Technologien sollen eingesetzt werden? Und in welche anderen Ausbildungsbereiche können die Erkenntnisse dieses Projekts übertragen werden?
Diese Fragen und mehr werden im Projekt XR-Upskill behandelt.
Motivation BA/PA/MA:
Im Projekt XR-Upskill wird untersucht wie Ausbildenden und Trainern die Erstellung von XR-Schulungen und XR-Schulungsinhalten ermöglicht werden kann. Dazu werden sowohl Softwaretools weiterentwickelt als auch betrachtet worin und wie die Ausbildenden ausgebildet werden müssen. Inhalt dieser studentischen Arbeit soll die Ausarbeitung eines Curriculums für die Ausbildenden und Trainer sein.
Mögliche Arbeitsinhalte:
- Einlesen in die begleitende Literatur
- Einarbeitung in Grundlagen zu Virtual und Augmented Reality und ihrem Einsatz in der Lehre
- Analyse der Anforderungen
- Ausarbeitung eines Curriculums für Ausbildende und Trainer
Was du mitbringen solltest:
- Strukturierte und selbstständige Arbeitsweise
- Interesse an VR/AR/XR
- Studium in Berufspädagogik Technik oder vergleichbarem Studiengang
Was du erwarten kannst:
- Spannende Einblicke in die Erstellung von Curricula
- Erfahrungen in der Arbeit mit VR/AR
- Intensive Betreuung nach Bedarf
- Kostenloser Kaffee
Organisatorisches:
Der Beginn der Arbeit ist flexibel und der Umfang kann entsprechend der zu verfassenden Arbeit angepasst werden.
Bitte wende dich dich bei Interesse mit kurzem Lebenslauf und aktueller vollständiger Notenübersicht per Mail an David Kunz.
Entwicklung einer multimodale Sensorfusionsarchitektur für mobile Robotersysteme auf Basis von Transformer-basierten Mid-Level Fusionsarchitekturen

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.
Aufgabenschwerpunkte:
-
Einarbeitung in den Stand der Technik zu autonomen mobilen Systemen und künstlicher Intelligenz
-
Untersuchung und Evaluierung von bestehende Methoden zur Mid-Level Datenfusion
- Entwicklung einer modularen und skalierbaren Fusionsarchitektur
- 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)
Generative KI im Systems Engineering: Prototyp zur virtuellen Inbetriebnahme mit Unity und TIA

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.
-
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
-
-
Anbindung der SPS mit Siemens TIA Portal
-
Entwicklung einer einfachen Steuerungslogik für das System
-
Anbindung der SPS an das Mechatronische Modell
-
-
Erstellung der ECAD-Verbindung
-
Extraktion relevanter Verbindungen zwischen SPS und der Produktionsanlage
-
Ableitung der IO-Strukturen
-
-
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: martin.barth@faps.fau.de
Weitere Informationen zum Projekt LLM-SE:
LLM-SE auf faps.fau.de
[BA/PA/MA] Handling von Sichtverdeckungen beim roboterbasierten Prüfen von Schaltschränken

Hast du Lust, echte Industrieprojekte mit moderner Robotik und Bildverarbeitung zu lösen?
Dann gestalte mit uns die Zukunft der automatisierten Qualitätssicherung im Schaltschrankbau!
Am FAPS arbeiten wir an einer roboterbasierten Lösung zur visuellen und elektrischen Endkontrolle von Schaltschränken. Im Zentrum steht ein kollaborativer Roboter mit montierten 2D- und 3D-Kameras, der automatisch verschiedene Merkmale eines fertig montierten Schaltschranks prüfen soll – etwa Position, Orientierung und Beschriftung von Komponenten. Eine besondere Herausforderung besteht dabei in der Erkennung und Bewertung von Bauteilen und Beschriftungen, die teilweise oder vollständig von Kabeln und Leitungen verdeckt werden.
Ziel der Arbeit
Ziel deiner Arbeit ist es, verschiedene Ansätze zum Umgang mit solchen Verdeckungen zu recherchieren, zu vergleichen und einen geeigneten Lösungsansatz prototypisch zu implementieren.
Denkbare Methoden sind beispielsweise:
- Segmentierung von Kabeln in 2D- oder 3D-Daten, etwa durch Machine Learning oder geometrische Verfahren
- Einsatz von Neural Radiance Fields (NeRF), bei denen störende Kabel gezielt ausgeblendet werden
- Kombination mehrerer Perspektiven und Rekonstruktion einer vollständigen 3D-Szene, um verdeckte Bereiche zu rekonstruieren oder freizustellen
- Abgleich der realen Aufnahme mit STEP-Modellen der Bauteile, um Abweichungen und überstehende Verkabelungen zu erkennen und zu entfernen
- Gezieltes Beiseiteschieben von Kabeln mit einem Manipulator am Roboter
Andere Ansätze und eigene Ideen sind ausdrücklich willkommen.
Was du mitbringen solltest
- Studium im Bereich Maschinenbau, Mechatronik, Automatisierung, Robotik, Informatik oder vergleichbar
- Interesse an Bildverarbeitung, Machine Learning und Robotik
- Erfahrung in der Programmierung (vorzugsweise Python)
- Eigeninitiative und Freude daran, neue Ansätze zu entwickeln
- Sehr gute Deutsch- oder Englischkenntnisse in Wort und Schrift
Was wir bieten
- Aktuelles Forschungsthema mit Industriebezug und hohem Zukunftspotenzial
- Zugang zu modernster Hardware (UR-Roboter, 3D-Kameras, Testumgebungen)
- Freiraum für deine Ideen und Schwerpunktsetzung
- Enge fachliche Betreuung und die Möglichkeit, deine Ergebnisse in ein größeres Forschungsprojekt einzubringen
Bewerbungen bitte mit aktuellem Notenauszug und Lebenslauf per E-Mail an die angegebene Mail-Adresse.
Start: jederzeit möglich
Ort: Nürnberg am FAPS Standort “auf AEG”
Systematische Literaturrecherche zum Einsatz von Wärmeleitmaterial in der Leistungselektronik (BA/PA)

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 Wärmeleitmaterial.
Die Arbeit beinhaltet folgende Schwerpunkte:
- Einarbeitung in die theoretischen Grundlagen der Wärmeübertragung
- Relevanz der Wärmeableitung
- Materialklassen und Produkte
- Verarbeitungsprozesse
Anforderungen:
- Studium im Bereich Maschinenbau / IPEM / WING / Mechatronik / Elektrotechnik o.Ä.
- Hohe Motivation, Neugierde sowie eine selbständige und strukturierte Arbeitsweise
- Deutsch in Wort und Schrift
Bitte bewerben Sie sich mit einem aktuellen Notenspiegel und Lebenslauf.