Index

Am FAPS-Standort „Auf AEG“ ist die Verpflegungssituation aktuell unzureichend. Im Gegensatz zum Campus der FAU gibt es keine Mensa – wer hungrig ist, muss sich selbst etwas mitbringen, zum Bäcker oder Metzger in der Umgebung gehen, in ein Restaurant ausweichen – oder hungrig bleiben. All diese Optionen sind entweder teuer, zeitaufwändig, wenig flexibel oder schlicht unbefriedigend.

Ziel dieses Projekts ist es daher, einen funktionsfähigen Prototypen einer automatisierten Müsli-Station zu entwickeln, der eine smarte, kompakte und günstige Verpflegungsalternative direkt am Standort bietet. Nutzerinnen und Nutzer sollen sich via Smartphone-App ihr individuelles Müsli aus verschiedenen Zutaten wie Haferflocken, Nüssen, Trockenfrüchten oder Schokostücken zusammenstellen können.

Das Projekt wird im Rahmen mehrerer studentischer Arbeiten (Bachelor-, Master- oder Projektarbeiten) umgesetzt (ca. 3-5 Studierende). Die Themen sind interdisziplinär und decken u. a. Maschinenbau, Elektronik, Automatisierung und Systemintegration ab.

Themenübersicht

Thema 1: Mechanische Konstruktion von Komponenten (Dosiereinheit, Schüsselvereinzelung)

• Arbeitsinhalte: Anforderungsanalyse, Funktionsstruktur/ Prinziplösungen, Konzeptentwurf, Prototyping, Konstruktion und Aufbau der Komponenten
• Voraussetzungen / Vorkenntnisse: CAD-Erfahrung (Fusion360), 3D-Druck-Erfahrung (FDM), Interesse an Prototypenbau

Thema 2: Mechanische Konstruktion der Gesamtanlage (Modularer Aufbau, Transportsystem für Schüsseln, Gehäuse)

• Arbeitsinhalte: Anforderungsanalyse, Funktionsstruktur/ Prinziplösungen, Konzeptentwurf, Prototyping, Konstruktion und Aufbau des Gesamtsystems
• Voraussetzungen / Vorkenntnisse: CAD-Erfahrung (Fusion360), 3D-Druck-Erfahrung (FDM), Interesse an Prototypenbau

Thema 3: Elektronik & Automatisierung

• Arbeitsinhalte: Anforderungsanalyse, Auswahl Sensorik & Aktorik, Schaltungskonzept, Schaltplan & Layout, Mikrocontroller-Programmierung, evtl. Entwurf PCB
• Voraussetzungen / Vorkenntnisse: Erfahrung mit Mikrocontroller (ESP32), Python, Schaltpläne, Löten, Grundlagen in ROS oder MQTT

Thema 4: Projektmanagement und Systemintegration

• Arbeitsinhalte: Projektmanagement und Koordination des Teams, Methodische Entwicklung nach V-Modell (VDI2206), Anforderungsdefinition (User Stories), Konzeption der Gesamtarchitektur (Hard- und Softwarekomponenten), Schnittstellendefinition, Integration Teilsysteme, Aufbau Gesamtsystem, Integrationstests, Dokumentation
• Voraussetzungen / Vorkenntnisse: Überblickskompetenz, Interesse an Mechatronik und Software, strukturierte Arbeitsweise, CAD(Fusion360), Programmierung (Mikrocontroller, Python)

Eigene Themenvorschläge mit Bezug zum Projekt sind ebenfalls willkommen.

Rahmenbedingungen

• Ziel des Projekts ist ein funktionsfähiger Prototyp
• Jede Arbeit ist individuell betreut und enthält klar definierte Ziele und Meilensteine, die in regelmäßigen (monatlichen) Review-Terminen präsentiert werden.
• Die Zusammenarbeit im Team steht im Vordergrund – mit Fokus auf Kommunikation, Eigenverantwortung und professionellem Arbeiten entlang des Produktentwicklungsprozesses
• Regeltermine finden per Teams sowie am FAPS-Standort in Nürnberg “Auf AEG” (Fürther Straße 246b, 90429 Nürnberg) statt
• Selbständige und gewissenhafte Arbeitsweise vorausgesetzt
• Studiengänge: insb. Mechatronik, Maschinenbau, WING

Hinweise zur Bewerbung

Bitte sende deine Bewerbung mit kurzem Motivationsschreiben, Lebenslauf und aktuellem Notenauszug an: andreas.morello@faps.fau.de

In der Bewerbung gerne angeben:

• Für welches Thema du dich interessierst (bitte genau ein Thema nennen)
• Warum es dich anspricht
• Welche relevanten Vorkenntnisse du mitbringst

Die Bewerbungen werden zunächst gesammelt und anschließend in einer Vorauswahl gesichtet (Verlängerte Bewerbungsfrist: Sonntag, 4. Mai 2025). Passende Kandidatinnen und Kandidaten werden zu einem kurzen persönlichen Gespräch eingeladen, um Interessen, Vorkenntnisse und mögliche Themenschwerpunkte zu besprechen.

Der offizielle Projektstart erfolgt im Rahmen einer gemeinsamen Kick-off-Veranstaltung, bei der alle beteiligten Studierenden zusammenkommen, ihre Themen vorgestellt werden und die Zusammenarbeit im Projektteam beginnt.

Ansprechpartner:

Andreas Morello, M.Sc.

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 akustisch 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

• Programmiererfahrung in Python erforderlich
• Vorkenntnisse mit dem ROS2 und Reinforcement Learning sind vorteilhaft
• Gute Deutsch und Englischkenntnisse sind erforderlich
• Zeitnaher Beginn vorausgesetzt
• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
• Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden

 

 

 

 

 

Initial Situation:
The COVID-19 pandemic revealed the importance of physical touch for mental well-being. Technological solutions to simulate human-like interaction through robotic systems are emerging. A hugging device embedded with tactile sensors could provide both emotional comfort and basic health monitoring during social distancing.

Objective:
Design and evaluate a robotic hugging device equipped with tactile skin capable of sensing temperature and heart rate. Investigate its effect on mental and physiological well-being.

Tasks:

• Literature review: tactile sensing, therapeutic touch, biosignal processing.
• Hardware: Build a prototype with tactile or electronic skin.
• Integration: Heart rate and temperature sensing should be integrated within the electronic skin.
• Evaluation: Experiments with users to study stress reduction and health monitoring potential.

Requirements:

• Interest in robotics, human-centred mechatronics, and bioinstrumentation.
• Previous experience or knowledge in 3D printing.
• Skills in electronics (Arduino/Pi), sensors, and basic programming (Python/C++).
• Previous knowledge of ROS/ROS2 is required (knowledge of micro-ROS is advantageous).
• Prior knowledge of Gazebo/Blender (or other simulation software) is advantageous.
• Very good knowledge of English is required.
• Independent way of working is required.

How to Apply:
If you are interested in tactile sensing and robotics and want to contribute to an innovative project, we invite you to apply exclusively via email. Please include your CV, complete transcript of records (minimum GPA: 2.5), and a small motivation letter in English (Max 250 words).
Subject line for the email: Application—Hugging Device with Tactile Sensing , <YOUR NAME, enrollment number>.

NOTE: E-mails and Motivation Letters written by large language models will be ignored.

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

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 neuer 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++ erforderlich
• Vorkenntnisse mit dem ROS2, Reinforcement Learning oder Regelungstechnik sind von Vorteil
• Gute Englischkenntnisse sind erforderlich
• Zeitnaher Beginn vorausgesetzt
• Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf
• Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden
• Weitere Informationen auf Anfrage per Mail

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.

Hintergrund:

Die additive Fertigung entwickelt sich rasant und findet zunehmend Anwendung in unterschiedlichen Industriebereichen. Auch im Elektromaschinenbau eröffnen sich durch diese Technologie neue Gestaltungsspielräume, z. B. hinsichtlich Leichtbau, Funktionsintegration oder individualisierter Komponenten.

Ziel:

Ziel dieser Arbeit ist es, den aktuellen Stand und das Potenzial der additiven Fertigung speziell im Bereich des Elektromaschinenbaus im Rahmen einer fundierten Marktrecherche zu untersuchen. Dabei sollen aktuelle Markttrends, relevante Akteure und Technologien sowie potenzielle Anwendungsbereiche zusammengetragen und analysiert werden.

Aufgabenstellung:

• Analyse des aktuellen Marktumfelds und Identifikation relevanter Marktakteure (Hersteller, Zulieferer, Forschungseinrichtungen, Start-ups, …)
• Identifikation und Beschreibung relevanter Technologien, Verfahren und Prozessketten mitsamt zugehöriger Vor- und Nachbearbeitungsprozesse
• Erfassung von Anwendungsfällen und Zukunftsperspektiven für den Einsatz im Elektromaschinenbau
• Bewertung der Potenziale und Herausforderungen der Technologie im Hinblick auf elektrische Maschinen
• Ableitung von Handlungsempfehlungen für Industrie und Forschung

Anforderungen:

• Interesse am Themenfeld der additiven Fertigung
• Selbstständige, analytische und strukturierte Arbeitsweise
• Gute Deutsch- und Englischkenntnisse (gerade Firmen auf dem deutschen Markt sind relevant)

Bewerbung:
Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an simon.stauber@faps.fau.de.

Globale Lieferketten sind zunehmend durch Krisen, geopolitische Spannungen und technologische Umbrüche gefährdet. Unternehmen müssen daher widerstandsfähiger und flexibler werden, um auf unerwartete Störungen schnell zu reagieren. Besonders problematisch sind „verdeckte Monopole“ in der Zulieferkette, die plötzliche Engpässe verursachen können. Diese Arbeit untersucht anhand einer Literaturanalyse die Rolle von Kompetenzdepots in der Stärkung von Unternehmen und deren Lieferketten gegen unvorhergesehene Ereignisse.

Aufgabenstellung:

Das Ziel dieser Arbeit ist die Literaturrecherche zu Resilienz für Wertschöpfungsnetzwerke

Die Arbeit gliedert sich grob wie folgt:

• Einarbeitung in den Stand der Technik
• Strukturierte Literaturrecherche
• Schriftliche Dokumentation der Ergebnisse

Vorkenntnisse / Voraussetzungen:

• Interesse an industrieller Fertigung und Automatisierung.
• Selbstständige und strukturierte Arbeitsweise.
• Gute Dokumentationsfähigkeiten
• Sehr gute Kenntnisse der deutschen oder englischen Sprache

Weitere Hinweise:

• Startdatum ab sofort möglich
• Homeoffice möglich

Bewerbung:

Bewerbungen bitte mit Lebenslauf und aktueller Fächerübersicht per E-Mail an adrian.mueller@faps.fau.de. Für weitere Informationen über Umfang und genaue Ausrichtung der Arbeit stehe ich gerne für ein persönliches Gespräch zur Verfügung.

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.