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.

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 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 hinsichtlich ihrer energetischen und akustischen Eigenschaften zu optimieren. Hierfür ist die Erforschung robotischer Infrastrukturen, 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 (Flug-)Robotern. Weitere Informationen erhalten Sie auf Anfrage per E-Mail.

 

Hinweise zur Bewerbung

• Programmiererfahrung in Python und/oder C++ erforderlich
• Vorkenntnisse mit dem ROS, Gazebo und PyTorch sind von Vorteil
• Sehr gute Englischkenntnisse erforderlich
• Selbstständige Arbeitsweise erforderlich
• Zeitnaher Beginn erforderlich
• Die Arbeiten können nicht als Projektarbeit bearbeitet werden.

 

• 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

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.

Moderne mobile Roboter benötigen semantisch reiche Umgebungsdarstellungen, um autonom und effizient agieren zu können. Semantische Scene Graphs bieten eine hierarchische Repräsentation, die Geometrie, Objekte und deren Beziehungen abbildet – ein Ansatz, der auch die Strukturierung simulierter Umgebungen erheblich verbessern kann. Ziel dieser Arbeit ist es, aktuelle Ansätze zum semantischen Scene-Graph-Mapping zu implementieren, systematisch zu vergleichen und Ergebnisse statistisch zu analysieren, um so Erkenntnisse für die Gestaltung realistischer Simulationsumgebungen zu gewinnen.

Aufgabenstellung

• Einarbeitung und Literaturrecherche
  • Übersicht und Bewertung aktueller Ansätze zum semantischen Scene-Graph-Mapping (z. B. Hydra, Clio, ConceptGraphs)
  • Ggf. Einarbeitung in ROS/ROS2 sowie in gängige Simulationsumgebungen (z. B. Isaac Sim, Blender)
• Implementierung und Vergleich
  • Umsetzung ausgewählter Mapping-Methoden
  • Vergleich der Methoden hinsichtlich Echtzeitfähigkeit, Genauigkeit, Skalierbarkeit und offener Semantik
• Statistische Analyse
  • Extraktion und Auswertung typischer räumlicher und semantischer Muster aus den generierten Scene Graphs
  • Ableitung von Kriterien zur strukturierten Gestaltung simulierter Umgebungen
• Ableitung neuer Konzepte (je nach Art der Arbeit)
  • Entwicklung und Evaluierung von Verbesserungen oder neuen Ansätzen basierend auf den gewonnenen Analyseergebnissen
  • Training neuer KI-Modelle zur Gestaltung simulierter Umgebungen

Vorkenntnisse

• Grundlegende Programmierkenntnisse
• Kenntnisse in mobiler Robotik und ROS2 von Vorteil, aber nicht zwingend erforderlich
• Sehr gute Deutsch- und Englischkenntnisse
• Motivation und eigenständige Arbeitsweise

Weitere Informationen erhalten Sie gerne in einem persönlichen Gespräch.
Kontaktaufnahme bitte nur per E-Mail an christopher.may@faps.fau.de einschließlich aussagekräftiger Unterlagen (Lebenslauf, vollständige Notenübersicht).

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

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.