Index

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.

Durch moderne Computer Vision Verfahren wird die automatisierte Qualitätsprüfung komplexer Systeme immer robuster. Jedoch bedarf das Training der Modelle umfangreiche Trainingsdatensätze. Für alltägliche Objekte wie beispielsweise Autos oder Tiere existieren hierfür eine Vielzahl an Datensätzen und bereits fertig trainierte Modelle. Für industrielle Anwendungen ist die Verfügbarkeit mager. Die Qualität der Ergebnisse in der industriellen Bildverarbeitung hängt jedoch stark von der Qualität und dem Umfang der Trainingsdatensätze ab. Gleichzeitig müssen Daten häufig manuell annotiert und segmentiert werden, was sehr zeitaufwendig und fehleranfällig ist.

Ziel dieser Arbeit ist die Entwicklung eines Systems, zur synthetischen Erstellung von Trainingsdatensätzen für die Automatisierung im Schaltschrankbau. Es sollen 3D-Scans von elektrischen Komponenten aus dem Schaltschrankbau realitätsnah und in unterschiedlichen Konfigurationen (Anordnungen, Beleuchtungen, Hintergründe, …) gerendert werden. Die virtuell erzeugten Bilder sollen dann automatisiert annotiert und segmentiert werden, um in kurzer Zeit einen umfangreichen Trainingsdatensatz erstellen zu können. Neben der Zeitersparnis sorgt dies auch für eine reproduzierbare Qualität der Trainingsdaten beim Einführen neuer Komponenten.

Die ausgeschriebene studentische Arbeit ist Teil des Projekts ProTekt, das die automatisierte optische und elektrische Prüfung von Schaltschränken zum Ziel hat.

Die Arbeit umfasst:

• Recherche zum aktuellen Stand der Forschung im Bereich synthetischer Trainingsdaten
• Erstellung und Vorbereitung der 3D Scans von ausgewählten Komponenten (z.B. mit Keyence 3D Scanner)
• Programmieren des Renderers inkl. automatisierter Anreicherung der Szene durch Variation von:
  Benachbarte Komponenten, Beschriftungen auf den Komponenten, Beleuchtung, Einfügen von Kabeln, … (je nach Möglichkeit/Notwendigkeit/Ergebnissen)
• Programmierung der Software-Pipeline zur Annotation der generierten 2D-Bilder
• Training eines Modells zum Testen des erstellten Datensatzes an realen Komponenten

Voraussetzungen

• Studium im Bereich Maschinenbau / IPEM / WING / Mechatronik / Elektrotechnik o.Ä.
• Solide Programmierkenntnisse – vorzugsweise in Python
• Gutes Verständnis für optische und räumliche Zusammenhänge, Interesse an Computer Vision
• Aber am wichtigsten: Kreativität, Eigenverantwortung und die Lust, verschiedene Möglichkeiten der Umsetzung auszuprobieren

Benefits:

• Hoher Programmieranteil – Arbeit von überall möglich
  (ein paar Termine vor Ort werden nötig sein, um realen Aufbau zu verstehen und die Komponenten zu scannen)
• Arbeiten an einer realen Computer Vision Anwendung aus der Industrie mit Impact
• Freiheit in der Gestaltung der Lösung
• Möglichkeit für Anschlussarbeit oder anschließende Anstellung als HiWi in ähnlichem Themengebiet (Automatisierung, Bildverarbeitung, Robotik, Schaltschrankbau)

Die Arbeit kann in Deutsch oder Englisch geschrieben werden.

Der Roboteraufbau befindet sich am FAPS in Nürnberg “auf AEG”. Gut erreichbar mit den öffentlichen Verkehrsmitteln.

Anfragen bitte per Mail mit aktueller Notenübersicht und Lebenslauf

Durch moderne Computer Vision Verfahren wird die automatisierte Qualitätsprüfung komplexer Systeme immer robuster. Jedoch bedarf das Training der Modelle umfangreiche Trainingsdatensätze. Für alltägliche Objekte wie beispielsweise Autos oder Katzen existieren hierfür eine Vielzahl an Datensätzen und bereits fertig trainierte Modelle. Für industrielle Anwendungen ist die Verfügbarkeit mager. Die Qualität der Ergebnisse in der industriellen Bildverarbeitung hängt jedoch stark von der Qualität und dem Umfang der Trainingsdatensätze ab. Gleichzeitig müssen Daten häufig manuell annotiert und segmentiert werden, was sehr zeitaufwendig und fehleranfällig ist.

Ziel dieser Arbeit ist die Entwicklung eines robotergestützten Systems, welches die Erstellung von Bilddatensätzen automatisiert. Elektrische Komponenten aus dem Schaltschrankbau sollen unter variierenden aber definierten Bedingungen aus verschiedenen Richtungen mit dem Roboter fotografiert werden. Die Bilder sollen virtuell angereichert und dann annotiert werden. Dies ermöglicht es, neue Komponenten aufwandsarm und in konstanter Qualität einzulernen.

Die ausgeschriebene studentische Arbeit ist Teil des Projekts ProTekt, das die automatisierte optische und elektrische Prüfung von Schaltschränken zum Ziel hat.

Die Arbeit umfasst:

• Recherche zum aktuellen Stand der Technik und der Forschung
• Bau eines Hardwarerahmens zur Platzierung der Komponenten
• Pfadplanung des Roboters inkl. Kompensation von Positionsungenauigkeiten
• Programmierung der Software-Pipeline zur Bildverarbeitung und Annotation
  (Vorverarbeitung, Datenanreicherung, automatisierte Annotation durch Projektion 2D/3D)
• Validierung durch Erstellen und Anwenden eines Demo-Datensatzes für ausgewählte Komponenten

Voraussetzungen:

• Studium im Bereich Maschinenbau / IPEM / WING / Mechatronik / Elektrotechnik o.Ä.
• Solide Programmierkenntnisse – vorzugsweise mit Python
• Interesse an Robotik und Computer Vision
• Gutes Verständnis für optische und räumliche Zusammenhänge
• Aber das aller wichtigste: Kreativität, Eigenverantwortung und die Freude am Ausprobieren verschiedener Lösungen sowie am Tüfteln

Benefits:

• Arbeit mit einem 6-achsigen UR-Cobot vor Ort
• Programmierarbeit von überall aus
• Interessante Kombination von Hardware und Software, welche die verschiedenen Fragestellungen aus Computer Vision und Robotik vereint
• Möglichkeit für Anschlussarbeit oder anschließende Anstellung als HiWi in ähnlichem Themengebiet (Automatisierung, Bildverarbeitung, Robotik, Schaltschrankbau)

Die Arbeit kann in Deutsch oder Englisch geschrieben werden.

Der Roboteraufbau befindet sich am FAPS in Nürnberg “auf AEG”. Gut erreichbar mit den öffentlichen Verkehrsmitteln.

Anfragen bitte per Mail mit aktueller Notenübersicht und Lebenslauf

Flexible Fertigungsanlagen benötigen flexible Steuerungen. Im Forschungsumfeld ist das Robot Operating System (ROS) dafür eine bewährte Variante. ROS bietet ein umfassendes Angebot inclusive z.B. Kinematikplaner, physik Simulation, Visualisierung etc.

Aufgabenstellung

• Einarbeitung in ROS
• Erfassung der Roboterzelle
• Aufbau des digitalen ROS Zwilling
• Aufbau der Bewegungsplanung in MoveIt
• Integration in Gazebo
• Validierung

Anforderungen

• Gute Programmierkenntnisse
• Grundlegende Erfahrungen in ROS
• Motiviertes, eigenständiges Arbeiten
• Teamfähigkeit
• Sehr gute Deutsch- und/oder Englischkenntnisse in Wort und Schrift (mind. B-Niveau)

 

Weitere Informationen und Details sind bei den genannten Mitarbeitern erhältlich. Eine Bearbeitung ist ab sofort möglich. Bewerbungen senden Sie bitte mit aktuellem Notenauszug, relevanten Zeugnissen, Sprach-Level-Nachweis (außnahme Muttersprache DE/EN) und Lebenslauf per E-Mail. Wir werden uns zeitnah rückmelden.

Initial Situation:

MLOps tools are essential for managing the complex machine learning lifecycle, but many suffer from poor usability, making adoption difficult for practitioners. This thesis explores how to design more intuitive, user-friendly interfaces for MLOps platforms. Through a structured evaluation of open-source tools and the identification of key interaction techniques, this research will contribute to building reusable UI components in Svelte 5 and shadcn-svelte—bridging the gap between powerful ML workflows and seamless user experiences.A well-designed MLOps interface enhances productivity, reduces onboarding time, and improves collaboration between data scientists, ML engineers, and DevOps teams. By applying UI/UX best practices, this thesis aims to make MLOps more accessible and efficient for everyone.

Tasks:

Within the thesis following topics will be worked on:

• Conduct a literature review on user-friendly design of MLOps tools.
• Methodical quantitative and qualitative evaluation of open source MLOps tools.
• Identification of key interaction techniques in the ML lifecycle
• Implementation of several identified components as reusable components in Svelte 5, shadcn-svelte.

Notes on application:

• Interest in UI and UX design
• Practical online courses and books will be provided after consultation on the existing level of knowledge
• Mandatory experience: Svelte (5), SvelteKit, tailwindcss, TypeScript
• Applications without Svelte experience will be ignored
• Nice to have experience: libraries or projects such as shadcn-svelte, d3, xyflow / Svelte-flow, tanstack
• Written and spoken German or English required
• The thesis has to be written in English in LaTeX (e.g., TexStudio, Overleaf)
• Literature management must be done using JabRef
• Please send applications with CV and current overview of subjects by e-mail to benedikt.scheffler@faps.fau.de.
• Generic e-mails will be ignored (how to write a proper e-mail).
• In the first meeting there are questions regarding the stated requirements. Based on this, the student’s suitability for this thesis is determined.

Ausgangssituation

Um die Absolutgenauigkeit von 6-Achs-Industrierobotern zu verbessern, wird ein Computer-Vision-basiertes Regelungssystem entwickelt. Die 6DoF Pose des Bauteils am Endeffektor des Roboters muss sehr genau innerhalb eines großen Messraums bestimmt werden. Damit diese Ziele erreicht werden können, werden mehrere Kameras gleichzeitig verwendet. Mit Image Registration werden die Bilder von verschiedenen Kameras in dasselbe Koordinatensystem transformiert. Die dadurch erzeugten hochgenauen konsistenten Bilddaten können dann von nachfolgenden Algorithmen genutzt werden.

Aufgabenschwerpunkte

• 3D Computer Vision 
• Pose Estimation
• Point-Set Registration
• Image Reconstruction
• Photogrammetrie
• Robotik
• Simulation
• Subpixel Algorithmen

Vorkenntnisse

• Python Kenntnisse wünschenswert
• Computer Vision Kenntnisse wünschenswert
• Deep Learning Kenntnisse wünschenswert
• ROS Kenntnisse von Vorteil
• C++ Kenntnisse von Vorteil

Im Zuge der Mobilitätswende und des steigenden Bedarfs an elektrifizierten Antriebssystemen gewinnen Batterien als zentrale Komponenten zunehmend an strategischer Bedeutung. Insbesondere im Bereich der leichten und schweren Nutzfahrzeuge entstehen neue Herausforderungen entlang der gesamten Wertschöpfungskette – von der Rohstoffbeschaffung über Produktion und Nutzung bis hin zur Rückführung und Wiederverwertung. Der Recyclingprozess von Traktionsbatterien spielt dabei eine entscheidende Rolle für Nachhaltigkeit, Ressourceneffizienz und Versorgungssicherheit.

Die Supply Chain des Batterie-Recyclings ist hochkomplex: unterschiedliche Zellchemien, unklare Rücklaufmengen, logistischer Aufwand, technologische Unsicherheiten sowie regulatorische Vorgaben beeinflussen die Rückführung und Wiederverwertung erheblich. Traditionelle Analysewerkzeuge stoßen hier an ihre Grenzen. Die Methode der System Dynamics bietet hingegen die Möglichkeit, dynamische Zusammenhänge, Rückkopplungen und zeitverzögerte Effekte transparent zu modellieren und zu simulieren.

Ziele der studentischen Arbeit

• Vertiefung der Kenntnisse in der Systemtheorie, insbesondere im Bereich System Dynamics

• Durchführung einer fundierten Literaturrecherche zu Batterieproduktion, Rückführung und Recycling im Mobilitätssektor, insbesondere bei Nutzfahrzeugen

• Analyse der technischen, logistischen und organisatorischen Prozesse entlang der Batterie-Supply-Chain

• Identifikation und Modellierung relevanter Akteure, Materialflüsse, Einflussfaktoren und Wirkzusammenhänge im Batterie-Recyclingprozess

• Aufbau eines dynamischen Simulationsmodells zur Abbildung des Batterie-Recyclings unter Einsatz von System Dynamics

• Ableitung von Erkenntnissen zur Optimierung der Recyclingstrategie für leichte und schwere Nutzfahrzeuge

Voraussetzungen

• Hohes Interesse an nachhaltiger Mobilität, Kreislaufwirtschaft und Batteriesystemen

• Bereitschaft, sich intensiv mit System Dynamics auseinanderzusetzen

• Idealerweise erste praktische Erfahrungen mit Modellierungs- oder Simulationssoftware (z. B. Vensim, AnyLogic, Stella o. Ä.)

• Grundkenntnisse in Programmierung (z. B. Python, Java)

• Sehr gute Deutschkenntnisse (mindestens Niveau C1) und gute Englischkenntnisse

• Selbstständige und strukturierte Arbeitsweise

• Verpflichtende Ergebnispräsentation und -diskussion im Seminar

Die studentische Arbeit kann ab dem 01.05.2025 oder zu einem späteren, individuell vereinbarten Zeitpunkt begonnen werden und ist innerhalb des in der Prüfungsordnung festgelegten Bearbeitungszeitraums abzuschließen.

Die Arbeit kann als Projekt- oder Masterarbeit verfasst werden.

Bei Interesse senden Sie bitte eine E-Mail mit Lebenslauf und Notenspiegel an
📧 baris.albayrak@faps.fau.de

Ich freue mich auf Ihre Bewerbung!

Inmitten des wachsenden Spektrums elektrischer Antriebstechnologien, wie dem inzwischen etablierten Hairpin-Motor und aufstrebenden Varianten wie Continuous Hairpin, Hairpins aus Hohlleitern oder Litzen und Axialflussmaschinen, steht das Richten von Flachdraht als zentraler Prozessschritt im Fokus. Die gegenwärtige Herausforderung im industriellen Umfeld liegt in der Steuerung dieses Prozesses, der bisher auf statischen Parametern und dem empirischen Wissen von Facharbeitern basiert und Schwankungen im Eingangsmaterial nur unzureichend berücksichtigt.

Mögliche Aufgabenstellungen:

Im Rahmen aktueller Forschungsaktivitäten am Lehrstuhl FAPS soll der Prozessschritt des Richtens von Flachdraht durch die Erforschung und Implementierung inlinefähiger Sensorik zur Erfassung von Wechselwirkungen im Prozess sowie innovativer Regelungsansätze revolutioniert werden. Auf diese Weise soll die Qualität in der Hairpin-Produktion effektiv und effizient gesteigert und ein wichtiger Beitrag zur Weiterentwicklung neuer Trends in der Automobilindustrie geleistet werden.

Mögliche Themengebiete:

• Planung und Konstruktion von Anlagenkomponenten
• Erforschung neuer Messmethoden
• Implementierung und Validierung von Messsystemen
• Planung und Durchführung von experimentellen Untersuchungen
• KI-gestützte Analyse und Interpretation experimenteller Daten
• Modellierung und Simulation der Produktionsprozesse

Detaillierte Informationen zu den möglichen Themengebieten und deren Aufgabenstellungen werden gerne in einem persönlichen Gespräch erläutert.

Anforderungsprofil:

• Interesse an der Produktion elektrischer Traktionsantriebe
• Je nach Themengebiet: Grundkenntnisse in Konstruktion, Messtechnik, Werkstoffkunde, Programmierung, Datenanalyse (KI/ML) oder Regelungstechnik
• Freude an praktischer Arbeit wie z.B. Durchführung und Auswertung von Versuchsreihen oder Aufbau von Messtechnik
• Analytisches Denkvermögen sowie selbstständige, gewissenhafte und strukturierte Arbeitsweise
• Teamfähigkeit und Kommunikationsstärke
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

Bewerbung per E-Mail mit Lebenslauf, aktuellem Notenspiegel und Angabe des bevorzugten Themengebietes an anja.preitschaft@faps.fau.de

Ausgangssituation:

Die Kontaktierung von primärisoliertem Runddraht stellt eine zentrale Herausforderung im Elektromaschinenbau dar, da sie maßgeblich die Zuverlässigkeit und Effizienz von elektrischen Verbindungen beeinflusst. Ziel dieser Technologiestudie ist es, bestehende Kontaktierungstechnologien systematisch zu untersuchen und deren Einsatzmöglichkeiten sowie Grenzen anhand einer Literaturrecherche zu bewerten. Die Arbeit soll so einen Beitrag zum Verständnis und zur Weiterentwicklung dieser Technologien leisten.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche und Quellensammlung: Systematische Suche nach wissenschaftlichen Artikeln, Patenten, technischen Berichten und anderen relevanten Publikationen zu Kontaktierungstechnologien für primärisolierten Runddraht
• Kategorisierung und Analyse der Technologien: Einteilung der gefundenen Kontaktierungsmethoden (z. B. mechanische, thermische, chemische Verfahren) und Analyse ihrer Funktionsweise, Materialanforderungen und Anwendungsbereiche
• Bewertung von Vor- und Nachteilen: Gegenüberstellung der Stärken und Schwächen der identifizierten Technologien hinsichtlich Effizienz, Kosten, Zuverlässigkeit und Skalierbarkeit
• Aufzeigen aktueller Trends und Entwicklungen: Erfassung des Stands der Technik sowie Identifikation neuer Ansätze oder Innovationen in der Kontaktierung von primärisoliertem Runddraht

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:

• Hohe Motivation, Neugierde sowie selbständige und strukturierte Arbeitsweise
• Deutsch in Wort und Schrift von elementarer Bedeutung
• Fachlicke Kenntnisse und methodische Fähigkeiten von Vorteil

 

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.