Index

                                                                                                                 

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”

Aufgabenstellung:

Die zunehmende Komplexität von elektrischen Systemen in Automobilen, Flugzeugen oder industriellen Anlagen führt zu einem gestiegenen Bedarf an flexiblen und intelligenten Automatisierungslösungen im Bereich der Kabelbaum- bzw. Leitungssatzherstellung und -montage. Insbesondere bei kleinen Losgrößen und hoher Variantenvielfalt stoßen klassische Automatisierungsmethoden an ihre Grenzen. Die Manipulation von Kabelbäumen – aufgrund ihrer Flexibilität, Instabilität und komplexen Geometrie – stellt dabei eine besondere Herausforderung dar.

Mit dem Aufkommen von Foundation Models, großen, vortrainierten Modellen, die über eine Vielzahl von Aufgaben hinweg generalisieren können, entstehen neue Möglichkeiten im Bereich der Robotik. Eines dieser Modelle ist GROOT (Graph-based Robot Optimization for Object Tasks), ein multimodales Foundation Model für Robotermanipulation. GROOT wurde mit großen Mengen an Simulations- und Realweltdaten vortrainiert und ist ähnlich aufgebaut wie Sprachmodelle vom Typ GPT, jedoch speziell auf physikalische Interaktion, Sensorik, Bewegungsplanung und Objektmanipulation ausgerichtet. Wie ChatGPT im Sprachbereich erlaubt GROOT in der Robotik eine Form von „Prompting“, bei der durch die Angabe von Zielzuständen, Szenarien oder Beispieldemonstrationen komplexe Handlungsabfolgen generiert werden können – ohne explizites Programmieren oder klassische Planung.

 

Ziel der Masterarbeit:

Im Rahmen dieser Masterarbeit soll ein lernfähiger Roboter (Lerobot) aufgebaut und in Betrieb genommen werden, der mit Hilfe des KI-Frameworks GROOT in der Lage ist, manipulativ mit einem vereinfachten Kabelbaum umzugehen. GROOT erlaubt es diese komplexe Manipulationsaufgaben in unstrukturierten Umgebungen zu erlernen, die über klassische Planungsmethoden nicht lösbar sind.

 

Die Arbeit beinhaltet folgende Schwerpunkte:

• Einarbeitung in die Thematik der Kabelbaummanipulation und deren Herausforderungen
• Überblick über klassische Automatisierungsmethoden und deren Limitationen
• Einarbeitung in GROOT und die zugrundeliegenden Konzepte
• Aufbau und Integration in den LeRobot

 

Persönliche Voraussetzungen:

• Interesse an KI-gestützter Robotik und lernenden Systemen
• Erfahrung in der Programmierung mit Python/C++, sowie grundlegende Kenntnisse im Machine Learning
• Selbstständige, strukturierte und wissenschaftlich fundierte Arbeitsweise
• Deutsch oder Englisch in Wort und Schrift

Weitere Informationen und Details sind unter simon.lamprecht@faps.fau.de erhältlich.
Eine Bearbeitung ist ab sofort möglich. Bewerbungen senden Sie bitte mit Notenauszug und Lebenslauf per E-Mail an die genannte Kontaktperson.  KI-generierte, generische und fachlich unpassende Bewerbungen erhalten keine Rückmeldung.

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

Aufgabenstellung:

Im Kontext der Elektromotorenfertigung für schienengebundene Fahrzeuge haben sich diverse Motorkonzepte etabliert, welche vorwiegend auf massiveren Flachleitern beruhen. Deren Handhabung und Einbringung stellt auf Grund ihrer großen Biegesteifigkeit, gepaart mit der erforderlichen Formgebung, eine große Herausforderung dar. Auf Grund vergleichsweise geringen Stückzahlen werden gegenwärtig elementare Prozessschritte manuell umgesetzt. Deren Automatisierung stellt eine große Herausforderung innerhalb der Transformation der Mobilität im 21. Jahrhundert dar.

Ziel dieser studentischen Arbeit ist es, verschiedene Designideen für die Kontaktelemente eines Schaltrings im Kontext von Traktionsmotoren schienengebundener Fahrzeugs zu erarbeiten und miteinander zu vergleichen. Neben der Einarbeitung in das Themengebiet sollen bestehende und eigene Kontaktelementformen durchdacht, bewertet und anhand von geeigneten Tests die besten Kontaktelemente validiert werden.

 

Die Arbeit beinhaltet folgende Schwerpunkte:

• Einarbeitung in die Statorfertigung für Schienenfahrzeuge
  • Einarbeitung in die Thematik Schaltringe
  • Vorteile und Herausforderungen in der Fertigung
• Einarbeitung in den Kontaktierungsprozess
  • Übersicht über Kontaktierungsverfahren
  • Vorteile und Herausforderungen in Zusammenhang mit Schaltringen
• Erarbeitung verschiedener Kontaktelementformen
  • Vergleich der erarbeiteten Varianten
  • Bewertung der Kontaktelemente anhand geeigneter Auswahlkriterien
  • Begründung der Bewertung
• Teil-Validierung der Kontaktelementform

 

Persönliche Voraussetzungen:

• Interesse an Fertigungsprozessen im Bereich Elektromaschinen
• Grundlegende Kenntnisse der Funktionsweise und des Aufbaus eines E-Motors
• Strukturiertes, lösungsorientiertes und wissenschaftliches Arbeiten
• Erste Erfahrungen im Bereich Kontaktierung
• Deutsch und Englisch in Wort und Schrift

 

Weitere Informationen und Details sind bei Felix Wirthmann erhältlich. Eine Bearbeitung ist ab sofort möglich. Bewerbungen senden Sie bitte mit Notenauszug und Lebenslauf per E-Mail an den oben genannten Betreuer. KI-generierte, generische und fachlich unpassende Bewerbungen erhalten keine Rückmeldung.

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.

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