Index

Sowohl im Maschinenbau als auch in der Medizintechnik finden Silikonbauteile aufgrund ihrer besonderen Materialeigenschaften, wie Temperaturstabilität, Biokompatibilität und Flexibilität, breite Anwendung. Zur individualisierten Herstellung von Silikonbauteilen werden bisher hauptsächlich aufwendige indirekte Gussverfahren genutzt. Neuartige additive Verfahren, der direkte Silikondruck, besitzen das Potenzial, die Fertigung zu vereinfachen, komplexe Geometrien zu ermöglichen und eine wirtschaftliche Produktion ab Losgröße eins umzusetzen. Am Lehrstuhl FAPS werden die innovativen Verfahren Direct Ink Writing (DIW) und Liquid Additive Manufacturing (LAM) für die Herstellung von Silikonbauteilen eingesetzt und erforscht.

Im Rahmen dieser studentischen Arbeit wird das Vernetzungsverhalten von 2K Silikonkautschuk charakterisiert, analysiert und modelliert. Dafür werden DSC- und Rheometrie-Messdaten bereinigt und aufbereitet. Die Daten werden danach grafisch aufbereitet und ermöglichen die Ermittlung von Materialkennwerten.

Diese Arbeit bietet die Möglichkeit, in ein aktuelles und fortschrittliches Forschungsgebiet im Schnittpunkt zwischen Materialwissenschaft und Maschinenbau einzutauchen und den Einsatz von modernen Technologien in der Fertigung kennenzulernen. Eigene Ideen können umgesetzt und in der Praxis angewendet werden.

 

 

Aufgaben:

• Literaturrecherche zum Stand der Forschung in der Datenerfassung und -aufbereitung
• Aufbereitung und Analyse von Versuchsdaten
• Übertragung der Ergebnisse auf ein Vernetzungsmodell
• Modellvalidierung über Materialcharakterisierungsversuche
• Dokumentation und Präsentation der Ergebnisse

 

Vorkenntnisse:

• Studium im Bereich Maschinenbau/Mechatronik/Medizintechnik/Elektrotechnik oder ähnliches
• Vorerfahrung im Bereich der Datenverarbeitung in Origin wünschenswert
• Interesse an der additiven Fertigung und Materialwissenschaften
• Sehr engagierte, selbstständige und zuverlässige Arbeitsweise

 

Bewerbungen mit Lebenslauf, Notenspiegel und sehr knappem Motivationsschreiben (maximal 80 Wörter) bitte über das Anfrageformular oder an Lukas.Gugel@faps.fau.de

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:

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)

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:

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)

Anlagen zur Herstellung von Wellpappe verfügen über eine Vielzahl von drehzahlsynchronisierten elektrischen Antrieben.

Im Stand der Technik erfolgt die Energieversorgung und Ansteuerung über Umrichter, welche Energie aus dem Wechselstromnetz beziehen und überschüssige Energie in Bremswiderständen in Wärme umwandeln.

Durch die Umstellung auf Gleichstrom (DC) in Produktionsanlagen können erhebliche Vorteile erzielt werden, insbesondere in Bezug auf Energieeffizienz, Materialersparnis und Systemstabilität. DC-basierte Systeme ermöglichen eine flexiblere Energienutzung, höhere Wirkungsgrade und ermöglichen die Rückspeisung vom Bremsenergie (Rekuperation).

Ziel der Arbeit:

Im Rahmen der Arbeit sollen die Energie- und Materialeinsparpotenziale durch den Einsatz eines DC-Netzes mit zentralem DC-Bus zur Versorgung der drehzahlvariablen Antriebe einer Maschine zur Herstellung von Wellpappe evaluiert werden. Die Möglichkeit zur Nutzung von Bremsenergie durch Rekuperation soll geprüft werden.

Arbeitspakete:

• Analyse des Ist-Zustands: Besichtigung einer Anlage beim Industriepartner und sammeln der nötigen Daten aus den Technischen Dokumentationen, Einführung in den DC-Demonstrator am FAPS, Einlesen in die Fachliteratur
• Konzeption einer DC-Maschine: Auswahl geeigneter DC-fähiger Umrichter, Auslegung des DC-Netzes; Analyse der Lastprofile der Motoren zur Evaluation des Einsatzes von Rekuperation
• Bewertung der Einsparpotenziale: Quantifizierung der Energiesparpotenziale auf Basis von Literatur oder eigener Laborversuche, Identifikation und Quantifizierung der Materialeinsparpotenziale

Anforderungen:

• Kenntnisse in Elektrotechnik, idealerweise mit Bezug zur DC-Technologie und Energieeffizienz in Produktionsumgebungen von Vorteil
• Selbstständige und strukturierte Arbeitsweise
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

 

 

Ausgangslage:

Mit der fortschreitenden Elektrifizierung der Fahrzeuge steigt auch die Nachfrage nach komfortablen, sicheren und in den Alltag integrierbaren Lademöglichkeiten. Kontaktlose Energieübertragungssysteme ermöglichen Szenarien wie „Road Charging“ und „Opportunity Charging“. Weitere Vorteile sind ein gesteigerter Ladekomfort für den Anwender sowie eine geringere Angriffsfläche für Vandalismus. Folglich ist für die nächsten Jahre eine gesteigerte Nachfrage nach induktiven Energieübertragungssystemen für Elektromobile zu erwarten. Allerdings stehen bislang keine Verfahren zur Verfügung, die eine wirtschaftliche Fertigung induktiver Energieübertragungssysteme in hoher Stückzahl ermöglichen.

Mögliche Aufgabenstellung

Verlegen, Kontaktieren und Isolieren sind die drei wichtigsten Schritte zur Herstellung eines induktiven Energieübertragungssystems. Die Verfahren sollen durch geeignete Maßnahmen für die industrielle Fertigung befähigt werden. Neben praktischen Versuchen ist auch der prototypische Aufbau von Demonstratoren vorgesehen. Mögliche Aufgabenstellungen können sein:

• Einarbeiten in die Technologien für die kontaktlose Energieübertragung
• Analyse von verschiedenen Systemaufbauten der Marktbegleiter
• Adaption bestehender Konzepte aus dem Elektromaschinenbau auf den neuen Anwendungskontext
• Entwicklung und Konzeption geeigneter Vorrichtungen und Aufbau von Demonstratorsystemen

Hinweise und Bewerbung:

• Bearbeitung der Aufgaben im studentischem Team
• Strukturierte und selbstständige Arbeitsweise
• Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an info@seamless-energy.com

Ansprechpartner:

Maximilian Kneidl
Maximilian Kneidl, M.Sc. info@seamless-energy.com

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

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

Ausgangslage:

Mit der fortschreitenden Elektrifizierung der Fahrzeuge steigt auch die Nachfrage nach komfortablen, sicheren und in den Alltag integrierbaren Lademöglichkeiten. Kontaktlose Energieübertragungssysteme ermöglichen Szenarien wie „Road Charging“ und „Opportunity Charging“. Weitere Vorteile sind ein gesteigerter Ladekomfort für den Anwender sowie eine geringere Angriffsfläche für Vandalismus. Folglich ist für die nächsten Jahre eine gesteigerte Nachfrage nach induktiven Energieübertragungssystemen für Elektromobile zu erwarten. Allerdings stehen bislang keine Verfahren zur Verfügung, die eine wirtschaftliche Fertigung induktiver Energieübertragungssysteme in hoher Stückzahl ermöglichen.

Mögliche Aufgabenstellung

Verlegen, Kontaktieren und Isolieren sind die drei wichtigsten Schritte zur Herstellung eines induktiven Energieübertragungssystems. Die Verfahren sollen durch geeignete Maßnahmen für die industrielle Fertigung befähigt werden. Neben praktischen Versuchen ist auch der prototypische Aufbau von Demonstratoren vorgesehen. Mögliche Aufgabenstellungen können sein:

• Einarbeiten in die Technologien für die kontaktlose Energieübertragung
• Analyse von verschiedenen Systemaufbauten der Marktbegleiter
• Adaption bestehender Konzepte aus dem Elektromaschinenbau auf den neuen Anwendungskontext
• Entwicklung und Konzeption geeigneter Vorrichtungen und Aufbau von Demonstratorsystemen

Hinweise und Bewerbung:

• Bearbeitung der Aufgaben im studentischem Team
• Strukturierte und selbstständige Arbeitsweise
• Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an info@seamless-energy.com

Ansprechpartner:

Maximilian Kneidl
Maximilian Kneidl, M.Sc. info@seamless-energy.com

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, 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.