Index

Siemens Energy bietet aktuell eine Masterarbeit zur Analyse und Simulation einer Automatisierungslösung für die Blechbearbeitung zur Optimierung von Prozessen und Qualität an. Die Arbeit wird im Werk für Großtransformatoren in Nürnberg durchgeführt. Weitere Informationen unter:

https://jobs.siemens-energy.com/en_US/jobs/FolderDetail/292057

Hintergrund
Die Fertigung elektrischer Antriebe, wie etwa Hairpin-, Continuous-Hairpin- oder Axialflussmaschinen, erfordert eine präzise Kontrolle von Material und Prozess. Ein zentraler Schritt ist das Richten von Flachdraht, das bislang auf festen Parametern und Erfahrungswissen basiert. Dabei werden Schwankungen im Material nur unzureichend berücksichtigt. Das Ziel besteht darin, diesen Prozess mithilfe moderner Sensorik, Messtechnik und innovativer Regelungsansätze weiterzuentwickeln, um die Produktionsqualität effizient zu steigern.

 

Mögliche Aufgabenstellungen
Studentische Arbeiten können zu einem der folgenden Themen erarbeitet werden:

• Integration eines Interferometers zur Isolationsschichtdickenmessung
• Integration von Sensorik zur Überwachung der Abhaspeleinrichtung
• Erweiterung der prototypischen Versuchsanlage um Sicherheitstechnik
• Modellierung und Simulation des Richtprozesses
• Weiterentwicklung einer flexiblen, mechanischen Abisolierstation für Flachdraht
• SPS-Programmierung einer Schwenkbiege-Anlage zum 2D-Biegen von Flachdraht

Die detaillierten Inhalte und Aufgabenstellungen werden in einem persönlichen Gespräch besprochen.

 

Anforderungsprofil

• Interesse an der Produktion elektrischer Traktionsantriebe
• Je nach Themengebiet sind Grundkenntnisse in Konstruktion, Messtechnik, Programmierung, Datenanalyse (KI/ML) oder Regelungstechnik erforderlich.
• Freude an praktischer Arbeit (Versuchsreihen, Messtechnik, Anlagenaufbau)
• Analytisches, strukturiertes und selbstständiges Arbeiten
• Teamfähigkeit und Kommunikationsstärke
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

 

Bewerbung
Bitte senden Sie Ihre Bewerbung mit

• Lebenslauf
• Aktuellem Notenspiegel
• Angabe der bevorzugten Aufgabenstellung

per E-Mail an anja.preitschaft@faps.fau.de

Wichtig: Bewerbungen ohne konkrete Nennung eines Themenbereichs können leider nicht bearbeitet werden.

Motivation

Im Rahmen des Forschungsprojekts „ProTekt“ am FAPS arbeiten wir an der Automatisierung der Qualitätsprüfung von Schaltschränken. Ein wichtiger Baustein dabei ist die elektrische Prüfung. Damit ein Roboter elektrische Messungen automatisiert durchführen kann, müssen die passenden Prüfpunkte an den verbauten Komponenten zuverlässig erkannt und lokalisiert werden. Prüfpunkte sind die elektrischen Kontaktstellen an den Komponenten, über die einzelne Anschlüsse elektrisch ankontaktiert werden können. In der Praxis ist ihre Erkennung jedoch herausfordernd: Form, Lage, Größe und visuelle Erscheinung variieren stark zwischen unterschiedlichen Herstellern, Komponentenarten und Schaltschrankaufbauten.

Ziel der Arbeit

Ziel deiner Arbeit ist es, ein leichtgewichtiges Computer-Vision-Verfahren zur robusten Erkennung von Prüfpunkten zu entwickeln, zu bewerten und prototypisch umzusetzen. Im Zentrum steht dabei ein CNN-basiertes Modell, das Prüfpunkte als eigene Objektklasse erkennt und auch bei hoher Varianz der Komponenten zuverlässig funktioniert.

Dazu gehört insbesondere:

• Einarbeitung in den Projektkontext und die Rolle elektrischer Prüfpunkte in der automatisierten Schaltschrankprüfung
• Analyse vorhandener Bilddaten sowie Einbezug und Bewertung geeigneter Online-Datensätze für Training und Validierung
• Optional: Anpassung einer bestehenden Pipeline zur Erzeugung synthetischer Daten, sodass diese auch für Prüfpunkte genutzt werden kann
• Entwicklung eines leichtgewichtigen CNN-basierten Ansatzes zur Detektion
• Untersuchung, welche Merkmale und Datenrepräsentationen für eine robuste Generalisierung über viele Komponenten hinweg geeignet sind
• Entwicklung einer geeigneten Methodik, um die Robustheit des Systems bei hoher Varianz nachvollziehbar nachzuweisen
• Durchführung einer sinnvollen Evaluierung mit unterschiedlichen Komponentenklassen, Ausprägungen und Schwierigkeitsgraden

Ziel ist ein Prüfpunkt-Detektionssystem, das nicht nur auf wenigen Einzelbeispielen funktioniert, sondern seine Robustheit auch über eine große Bandbreite realer Komponenten hinweg nachvollziehbar zeigt.

Anforderungen an den Studierenden

• Studium im Bereich Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen oder vergleichbar
• Interesse an Computer Vision, Deep Learning und praxisnaher AI-Anwendung
• Erste Programmierkenntnisse, vorzugsweise in Python
• Selbstständige und strukturierte Arbeitsweise
• Sehr gute Deutsch oder Englisch Kenntnisse

Bewerbungen bitte per Mail mit Lebenslauf und aktuellem Notenspiegel an matthias.lang@faps.fau.de
Start: jederzeit möglich
Ort: Nürnberg am FAPS Standort „auf AEG“ – hybrid möglich

Initial Situation:

The handling and processing of cables and wires is currently characterized by manual activities due to their flexible material behavior. However, due to the ever-increasing complexity of cable systems in vehicle construction, there is also an acute need for action in industry to automate the process. As part of an automation project with a major German OEM, an automation solution is to be developed for cable harness production and assembly in the vehicle.

Possible thesis:

The objective of this thesis is to optimize existing computer vision algorithms for the robotic insertion of a wiring harness into the center console of a contemporary premium vehicle. The scope is roughly divided as follows and can be tailored according to your interests:

• Designing a comparative framework for benchmarking  event-based vision algorithms against traditional frame-based methods 
• Investigate potential of a multimodal fusion approach integrating event- and frame-based vision with force / acoustic sensing for enhanced process feedback 
• Implementing & testing the system in a simulated or experimental setup involving robotic insertion and inspection tasks 
• Analyzing performance metrics such as latency, accuracy, and robustness under varying conditions 
• Discussion and outlook on further development possibilities

Focus on:

• 3D Computer Vision
• Pose estimation
• Robotics

What you should bring:

• Independent and structured work style
• Good documentation of the approach
• Good knowledge of German or English language
• Python knowledge desirable
• Computer Vision knowledge advantageous

Other notes:

• Start date can be immediate
• Remote work possible
• Work scope can be individually tailored according to interests
• Please apply with a current grade transcript and resume

Initial Situation:

The handling and processing of cables and wires is currently characterized by manual activities due to their flexible material behavior. However, due to the ever-increasing complexity of cable systems in vehicle construction, there is also an acute need for action in industry to automate the process. As part of an automation project with a major German OEM, an automation solution is to be developed for cable harness production and assembly in the vehicle.

Scope of the thesis:

The objective of this thesis is to implement methods for real-time path adjustment based on in order to grasp a wire harness and avoid entanglement of the wires. Several approaches (e.g. Reinforcement Learning, Learning-by-Demonstration and Sim2Real with Nividia Isaac Sim) should be tested and compared.  The thesis is roughly divided as follows:

• Familiarization with ROS2 and programming of industrial robots
• Adaptation of the simulation environment and training of agents
• Improvement of algorithms to generate the parameters for position correction
• Transfer and validation on real systems

Benefits

• Hands-on experience in robotics development
• Exchange with other students at FAPS
• Insights into other areas of research
• Application-oriented work for career entry

What you should bring:

• Interest in AI-supported robotics and learning systems
• Experience in programming with Python/C++ and ROS2, as well as basic knowledge of machine learning
• Independent, structured, and scientifically sound approach to work
• German (C1) or English (C1)

Other notes:

• Start date can be immediate
• Remote work possible
• Work scope can be individually tailored according to interests
• Please apply with a current grade transcript and resume

Motivation

Der Schaltschrankbau ist eine zentrale, aber wenig standardisierte Industriebranche mit hoher Varianz in Produkten, Anwendungen und Fertigungsprozessen. Gleichzeitig steigen die Anforderungen an Qualität, Dokumentation und Effizienz. Die Prüfung von Schaltschränken ist dabei ein kritischer Schritt, der heute noch stark manuell geprägt ist. Im Rahmen des Projekts „ProTekt“ am FAPS wird die Automatisierung dieser Prüfprozesse gezielt erforscht und weiterentwickelt.

Ziel der Arbeit

Ziel der Arbeit ist es, eine strukturierte Branchenübersicht des Schaltschrankbaus zu erarbeiten und daraus die Anforderungen, bestehende Lösungen sowie Potenziale für die Automatisierung der Qualitätsprüfung systematisch abzuleiten.

Dazu gehört insbesondere:

• Strukturierung der Branche anhand relevanter Dimensionen (z.B. Arten von Schaltschränken, Spannungsebenen und Leistungsbereiche, Einsatzbranchen, …)
• Analyse typischer Fertigungs- und Montageprozesse im Schaltschrankbau
• Untersuchung relevanter Normen und Richtlinien für die Prüfung (z. B. elektrische, visuelle und funktionale Prüfungen)
• Überblick über bestehende kommerzielle Prüflösungen, sowie Automatisierungslösungen mit Einfluss auf die Prüfung
• Systematische Ableitung von Anforderungen und Herausforderungen für die Prüfautomatisierung
• Identifikation von Dimensionen, die die Relevanz und das Potenzial von Automatisierung beeinflussen (z. B. Varianz, Stückzahlen, Komplexität, Sicherheitsanforderungen)
• Erarbeiten offener Fragen, die im Rahmen einer späteren Branchenumfrage adressiert werden können

Ziel ist ein klar strukturiertes Gesamtbild der Branche mit einem besonderen Augenmerk auf Qualitätsprüfung, das als Grundlage für weitere Forschungs- und Entwicklungsarbeiten dient.

Anforderungen an den Studierenden

• Studium im Bereich Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen oder vergleichbar
• Interesse an industriellen Prozessen und technischen Systemen
• Fähigkeit, komplexe Themen strukturiert zu analysieren und aufzubereiten
• Selbstständige Literatur- und Internetrecherche

Bewerbungen bitte per Mail mit Lebenslauf und aktuellem Notenspiegel and matthias.lang@faps.fau.de

Start: jederzeit möglich
Ort: Nürnberg am FAPS Standort „auf AEG”
Die Durchführung der Arbeit ist remote möglich

Motivation
Sehnengetriebene Aktuationssysteme sind ein zentraler Ansatz moderner Robotik, insbesondere für humanoide und leichte, energieeffiziente Systeme. Durch die Entkopplung von Aktuator und bewegter Struktur lassen sich Massen reduzieren und komplexe Bewegungen realisieren. Für Entwicklung, Auslegung und spätere Steuerung solcher Systeme sind realitätsnahe Simulationen essenziell.
Unterschiedliche physikalische Modellierungsansätze für Seil- und Sehnenstrukturen (z. B. vereinfachte oder kontinuierliche Modelle) unterscheiden sich jedoch stark hinsichtlich Genauigkeit, Stabilität und Rechenaufwand. Diese Unterschiede wirken sich direkt auf die Nutzbarkeit in simulationsbasierten Entwicklungsprozessen und insbesondere auf Reinforcement-Learning-Anwendungen in NVIDIA Isaac Sim / Isaac Lab aus.

Ziel der Arbeit
Ziel der Arbeit ist die systematische Untersuchung und prototypische Implementierung ausgewählter Simulationsmethoden für Seil- und Sehnenstrukturen. Im Fokus steht die Frage, wie unterschiedliche physikalische Modellierungen praktisch umgesetzt werden können und welchen Einfluss sie auf das Verhalten der Simulation sowie auf die Trainingsstabilität und Performance von RL-Algorithmen haben.
Die Ergebnisse sollen vergleichbar aufbereitet und hinsichtlich ihrer Eignung für robotische Anwendungen bewertet werden.

Schwerpunkte

• Simulationsmethoden & Implementierung in Isaac Sim / Isaac Lab
• Vergleich & RL-basierte Bewertung

Weitere Informationen
Infos auf Anfrage. Bewerbung per E-Mail mit Lebenslauf und Notenübersicht.

Die Auslegung von Toroidalmagnetfeldern ist eine zentrale Grundlage für zahlreiche Anwendungen in der Energietechnik und Magnetentwicklung, insbesondere im Umfeld supraleitender Systeme und zukünftiger Fusionsanlagen. Dabei müssen Feldverteilungen, Geometrieeinflüsse, Randbedingungen und Auslegungsparameter in geeigneten Simulationsumgebungen zuverlässig abgebildet und bewertet werden. Insbesondere bei komplexen Spulengeometrien, gekrümmten Leiterverläufen und hohen Anforderungen an Feldqualität, Nachvollziehbarkeit und Modellgüte sind systematische Analyse und Validierung der verwendeten Simulationswerkzeuge von großer Bedeutung. Ziel dieser Arbeit ist die Analyse bestehender Simulationsumgebungen zur Auslegung von Toroidalmagnetfeldern. Der Fokus liegt auf dem strukturierten Verständnis der zugrunde liegenden Modelle, der Bewertung von Parametereinfluss und Aussagekraft sowie der Untersuchung der Eignung der Umgebung für die magnetische Auslegung und den späteren Einsatz im Forschungskontext.

Aufgabenstellung

• Einarbeitung in die bestehenden Simulationsumgebungen, die physikalischen Grundlagen von Toroidalmagnetfeldern und die relevanten Randbedingungen der magnetischen Auslegung
• Analyse des Aufbaus der Simulationsumgebung hinsichtlich Modellstruktur, Eingangsgrößen, Randbedingungen und Ergebnisdarstellung
• Untersuchung der zugrunde liegenden Annahmen, Vereinfachungen und Grenzen der verwendeten Modellierung
• Durchführung systematischer Simulationsstudien zur Bewertung des Einflusses wesentlicher Auslegungsparameter auf Feldverteilung und Feldcharakteristik
• Analyse der Sensitivität gegenüber geometrischen, elektrischen und magnetischen Eingangsgrößen
• Bewertung der Aussagekraft und Plausibilität der Simulationsergebnisse anhand physikalischer Zusammenhänge und gegebenenfalls verfügbarer Referenzdaten
• Identifikation möglicher Schwachstellen, Unsicherheiten oder Verbesserungspotenziale innerhalb der Simulationsumgebung
• Erarbeitung von Ansätzen zur strukturierten Nutzung, Erweiterung oder methodischen Verbesserung der Umgebung für zukünftige Auslegungsaufgaben
• Dokumentation der Ergebnisse sowie Aufbereitung der gewonnenen Erkenntnisse für die weitere Nutzung im Team

Anforderungen

• Gute Kenntnisse in Elektrotechnik, Mechatronik, Physik, Maschinenbau oder einem verwandten technischen Bereich
• Interesse an elektromagnetischen Fragestellungen, numerischer Simulation und physikalischer Modellbildung
• Grundkenntnisse in mathematischer Modellierung und technischer Auswertung
• Sehr gute Programmierkenntnisse, idealerweise in Python, C++, Matlab oder einer vergleichbaren Umgebung
• Erfahrungen mit Simulationstools oder elektromagnetischen Berechnungen
• Strukturierte, eigenständige und sorgfältige Arbeitsweise sowie Teamfähigkeit
• Sehr gute Deutsch und/oder Englischkenntnisse in Wort und Schrift

Weitere Informationen

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 bei nicht muttersprachlichem Deutsch oder Englisch sowie Lebenslauf per E Mail. Ich werde mich zeitnah rückmelden.

Kamera und KI gestützte Roboterprozesse eröffnen neue Möglichkeiten für die präzise und flexible Fertigungsprozesse. Insbesondere bei der Handhabung biegeschlaffer Bauteile, geometrischen Toleranzen und hohen Anforderungen an Prozesssicherheit, Wiederholgenauigkeit und Robustheit sind konventionelle, rein vorgeplante Abläufe nur eingeschränkt geeignet. Ziel dieser Arbeit ist die Entwicklung eines kamera und KI gestützten Roboterprozesses zur zuverlässigen Erkennung, Lagebewertung und automatisierten Einbringung paralleler Drähte in Statornuten. Der Fokus liegt auf der durchgängigen Verbindung von Bildverarbeitung, intelligenter Prozessentscheidung und robotischer Ausführung einschließlich geeigneter Schnittstellen, Validierungsstrategien und Bewertung der Prozessfähigkeit.

Aufgabenstellung

• Einarbeitung in den bestehenden Versuchsaufbau, die Prozessanforderungen und die Randbedingungen der Drahteinbringung in Statornuten
• Analyse des Ist Zustands hinsichtlich Drahtlage, Toleranzen, relevanter Fehlerbilder und bisheriger Handhabungsstrategien
• Konzeption eines kamera gestützten Systems zur Erkennung und Bewertung der Drahtposition sowie der relevanten Prozessmerkmale
• Entwicklung geeigneter KI basierter Ansätze zur Detektion, Klassifikation oder Lagebewertung der Drähte und zur Unterstützung der Prozessentscheidung
• Auslegung und Implementierung eines robotergestützten Prozesses zur automatisierten Einbringung paralleler Drähte in Statornuten
• Entwicklung geeigneter Strategien zur Bahnplanung, Korrekturbewegung und robusten Prozessführung bei Abweichungen im realen Aufbau
• Integration der Bildverarbeitung und KI Verfahren in die bestehende Roboter und Steuerungsumgebung
• Inbetriebnahme und experimentelle Validierung des Gesamtsystems hinsichtlich Erkennungsqualität, Wiederholgenauigkeit, Prozessstabilität und Robustheit
• Dokumentation der Ergebnisse sowie Aufbereitung der entwickelten Methoden für die weitere Nutzung im Team

Anforderungen

• Gute Kenntnisse in Robotik, Automatisierung, Mechatronik oder einem verwandten technischen Bereich
• Interesse an Bildverarbeitung, maschinellem Lernen oder KI gestützten Verfahren in der Produktion
• Grundkenntnisse in Programmierung, idealerweise in Python oder C++
• Erfahrungen mit ROS, Kamera Systemen, Machine Vision oder der Verarbeitung von Sensordaten sind von Vorteil
• Strukturierte, eigenständige und sorgfältige Arbeitsweise sowie Teamfähigkeit
• Sehr gute Deutsch und/oder Englischkenntnisse in Wort und Schrift

Weitere Informationen

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 bei nicht muttersprachlichem Deutsch oder Englisch sowie Lebenslauf per E Mail. Wir werden uns zeitnah rückmelden.

Ausgangssituation

Der rapide Anstieg der Elektrofahrzeugflotte weltweit, von ca. 1 Million Fahrzeuge (2015) auf über 40 Millionen (2024), führt zu einer wachsenden Menge an gebrauchten Lithium-Ionen-Batterie-Systemen (LIB), die am Ende ihres Nutzungslebens einer hochwertigen Verwertung zugeführt werden müssen. Die EU-Batterieverordnung (EU) 2023/1542 schreibt ab 2030 Rückgewinnungsraten von mindestens 90 % für Lithium, 95 % für Kobalt und Nickel sowie 70 % für aktive Kathodenmaterialien vor und setzt damit hohe Anforderungen an vorgelagerte Demontageprozesse.

Eine gezielte, kaskadenförmige Demontage von Batteriepacks, entlang der Ebenen Pack → Modul → Zelle → Elektrode, ist Voraussetzung für die Erzeugung sortenreiner Materialfraktionen, wie sie für diverse Recyclingverfahren benötigt werden. Aktuelle industrielle Recyclingverfahren (Pyrolyse, direktes Schreddern) erzielen jedoch deutlich geringere Materialreinheiten (< 60 %) als eine tiefe Demontage (≥ 97 %).

Die größten Herausforderungen bei der automatisierten Demontage entstehen durch die hohe Architekturenvielfalt kommerzieller Batteriepacks: von modularen Cell-to-Module-Designs (C2M, z. B. VW ID.3, BMW i3) über zelldirekte Cell-to-Pack-Konzepte (CTP, z. B. BYD Blade, CATL Qilin) bis hin zu strukturell integrierten Lösungen (z. B. Tesla 4680 Structural Pack). Diese Vielfalt erfordert den gezielten Einsatz verschiedenster Sensortechnologien entlang der gesamten Demontagekaskade, um Prozessführung, Qualitätskontrolle und Sicherheitsüberwachung zu gewährleisten.

Für die systematische Bewertung und Weiterentwicklung sensorgestützter Demontageprozesse wird eine fundierte Literaturgrundlage benötigt, die bestehende Sensortechnologien klassifiziert, Leistungskennzahlen (KPIs) quantifiziert und Handlungsempfehlungen für die industrielle Umsetzung ableitet. Besonders relevant sind dabei u. a.:

• Elektrodenanalytik mittels Hyperspektralkameras (HSI) zur Materialklassifikation (NMC, LFP, NCA)
• Elektrochemische Impedanzspektroskopie (EIS) zur Zustandsbewertung (SOC, SOH) vor und während der Demontage
• 3D-Lasertriangulation und strukturiertes Licht zur geometrischen Erfassung und Prozessführung
• Kraft-Momenten-Sensorik für adaptives Füge- und Trennverhalten
• Thermografische Überwachung zur Detektion von Thermal-Runaway-Vorstufen
• Gassensorsysteme (MOX, PID) zur Erkennung von Elektrolytdämpfen und HF-Ausgasung
• Röntgen-/CT-Bildgebung zur zerstörungsfreien Zellzustandsanalyse

Aufgabenstellung

Im Rahmen der Abschlussarbeit soll eine systematische Konzeptionierung sensorgestützter Technologien für die Demontage von Lithium-Ionen-Batteriesystemen erfolgen. Dabei sind insbesondere folgende Arbeitsschritte vorgesehen:

• Systematische Literaturrecherche nach PRISMA-Richtlinien zu Sensortechnologien in der Batteriedemontage (Datenbankrecherche: Web of Science, Scopus, IEEE Xplore; Zeitraum 2010–2026)
• Klassifikation und Bewertung relevanter Sensortechnologien hinsichtlich Messgenauigkeit, Taktzeit, Sicherheitsanforderungen und industrieller Reife
• Charakterisierung der Demontagekaskade (Pack → Modul → Zelle → Elektrode) mit Fokus auf Prozessoperationen, Tooling-Anforderungen und Gefahrenprofilen je Ebene
• Entwicklung eines quantitativen KPI-Rahmens zur Bewertung der Demontageperformance
• Geometrische Charakterisierung kommerzieller Batteriepacks zur Quantifizierung von Skalierungsverhältnissen
• Trade-off-Analyse zwischen Demontagetiefe, Materialreinheit, Prozessdurchsatz und wirtschaftlicher Effizienz – differenziert nach Zellchemie
• Ableitung von Handlungsempfehlungen für die industrielle Integration von Sensorsystemen sowie für Standardisierungsansätze in automatisierten Demontageanlagen

Potenzielle Arbeitspakete

• Einarbeitung in das Themengebiet Batteriedemontage, Recyclingverfahren und Sensortechnik
• Durchführung der systematischen Datenbankrecherche und Aufbau eines Literaturkorpus
• Analyse und Klassifikation bestehender Sensortechnologien für LIB-Demontageanwendungen
• Entwicklung und Validierung des KPI-Rahmens anhand von Fallstudien aus der Literatur
• Geometrische Auswertung von Teardown-Daten kommerzieller Batteriepacks
• Quantitative Trade-off-Analyse: Demontagetiefe vs. Materialreinheit vs. Prozessdurchsatz
• Dokumentation der Ergebnisse in wissenschaftlicher Form (strukturiertes Reviewpapier mit Tabellen und Abbildungen)

Vorkenntnisse

• Grundkenntnisse in Batterietechnologien oder Produktionstechnik
• Interesse an Messtechnik, Automatisierung und sensorgestützter Prozessüberwachung
• Erfahrung mit Literaturrecherche und wissenschaftlichem Schreiben
• Grundkenntnisse in Statistik und Datenauswertung (z. B. für KPI-Analyse und Metaanalysen) von Vorteil
• Kenntnisse in gängigen Office- oder Analysewerkzeugen
• Selbstständige, strukturierte und analytische Arbeitsweise
• Interesse an angewandter Forschung im Bereich Elektromobilität, Kreislaufwirtschaft und Produktionstechnik
• Sicherer Umgang mit wissenschaftlicher Literatur und englischsprachigen Fachpublikationen

(Eine themenspezifische Einarbeitung in Sensortechnologien und Batteriedemontage erfolgt bei Bedarf zu Beginn der Arbeit.)

Voraussetzungen

• Begeisterung für das Themenfeld Batterierecycling, Elektromobilität und Produktionstechnik
• Hohe Motivation, Eigeninitiative und Bereitschaft zur intensiven Literaturarbeit
• Strukturierte, analytische und kritisch-wissenschaftliche Arbeitsweise
• Teamfähigkeit und Offenheit für Rückmeldungen

 

Beginn: Ab sofort oder nach individueller Absprache möglich

Sonstiges:

• Bearbeitung der Arbeit kann größtenteils im Home-Office erfolgen
• Der Arbeitsumfang kann je nach Art der Arbeit (BA / PA / MA) angepasst werden
• Die Arbeit ist überwiegend als Literatur- und Analysearbeit konzipiert; ggf. ist eine Kooperation mit Industriepartnern möglich

Bewerbung

• Bewerbung mit Lebenslauf und aktueller Fächerübersicht bitte per E-Mail an Thomas Hanf (kein Anschreiben erforderlich)
• Nähere Informationen über Umfang und genaue Ausrichtung der Arbeit gerne im persönlichen Gespräch
• Wichtig: Eine reine KI-Bewerbung führt zum sofortigen Ausschluss beim Bewerbungsprozess.