Index

Ausgangssituation:

In globalisierten und zunehmend vernetzten Märkten gewinnt die Zusammenarbeit zwischen Unternehmen innerhalb eines Wertschöpfungsnetzwerks stetig an Bedeutung. Unternehmen agieren heutzutage nicht mehr als isolierte Akteure, sondern sind Teil komplexer Lieferketten. In diesen Kontexten ist der Erfolg maßgeblich von der Leistungsfähigkeit und Zuverlässigkeit der beteiligten Lieferanten abhängig. Eine systematische und transparente Bewertung von Lieferanten bildet demnach eine zentrale Grundlage für strategische Entscheidungen, etwa bei der Lieferantenauswahl, -entwicklung und -bindung.

 

Die Arbeit gliedert sich grob wie folgt:

• Einarbeitung in den Stand der Technik
• Erarbeitung der wichtigsten Parameter zur Bewertung von Lieferanten
• Konzeptionierung des Tools
• Implementierung in z.B. Python
• Schriftliche Dokumentation der Ergebnisse

Vorkenntnisse/Voraussetzungen:

• Interesse an industrieller Fertigung und Automatisierung.
• Selbstständige und strukturierte Arbeitsweise.
• Gute Dokumentationsfähigkeiten
• Grundkenntnisse in Python

Weitere Hinweise:

• Startdatum: ab sofort möglich
• Homeoffice möglich

 

Bewerbung:
Bewerbungen bitte mit Lebenslauf, aktueller Fächerübersicht und einen FAUBox-Link zu einer Arbeitsprobe (Pythonprogramm) per E-Mail an: adrian.mueller@faps.fau.de

Python Programm mit folgenden Kriterien:

• Der Name des Programms soll sich aus der Arbeit (BA,PA oder MA) + “_” + deinem Nachnamen zusammensetzten
• Das Programm sollte selbstgeschrieben und Kommentiert sein
• GUI: Eingabemöglichkeit für Gewicht, Größe und Kopfdurchmesser
• Button zur Bestätigung der Eingabe
• Berechnung des Körper-Kopf-Verhältnisses (Kopfdurchmesser/Größe) und des Gewichts des Kopfes (Körper-Kopf-Verhältnis x Gewicht).
• Ausgabe des Gewichts des Kopfes

Für weitere Informationen über den Umfang und die genaue Ausrichtung der Arbeit stehe ich gerne für ein persönliches Gespräch zur Verfügung.

Background

Modern production and supply networks span multiple continents, combining various transport modes (road, sea, rail, air). Understanding the geographical structure, costs, and environmental impacts of these logistics routes is key to designing resilient and sustainable global value chains. This thesis contributes to a research project on modeling and optimizing international production networks. The focus lies on geo-spatial modeling of transport flows, calculation of transport costs and emissions, and interactive visualization of global supply routes.

Objectives

Develop a geo-based Python model that:

• Maps realistic transport routes between global production and assembly sites,
• Calculates transport distances, costs, and CO₂ emissions based on real data,
• Visualizes results interactively on a world map (e.g., using folium or geopandas).

Main Tasks

Data Collection and Preparation

• Identify suitable open geospatial datasets (e.g., Global Shipping Lanes, OpenStreetMap).
• Gather emission and transport cost factors (e.g., from the GLEC Framework).

Model Development

• Implement routing and distance calculations for combined transport modes.
• Compute costs and CO₂ emissions for selected routes or network scenarios.

Visualization and Analysis

• Create an interactive geo-visualization of the modeled network.
• Document assumptions, data sources, and main findings.

Requirements

• Ongoing studies at FAU
• Good programming skills in Python
• Experience with data analysis and mapping tools (pandas, geopandas, folium) preferred
• Interest in global production networks, sustainability, and data-driven modeling

Tools / Frameworks

• Python (pandas, geopandas, folium, shapely)
• Open geospatial data (OpenStreetMap, Global Shipping Lanes, etc.)
• Emission frameworks such as GLEC Framework

Type of Thesis

• Final Thesis (Bachelor / Master)
• Type: Theoretical thesis / Systematic literature review
• Start date: flexible

Please send your complete application documents (short cover letter, work/internship certificates, and current transcript of records) to: baris.albayrak@faps.fau.de

 

I look forward to hearing from you!

Hintergrund

In globalen Produktionsnetzwerken ist die optimale Gestaltung von Supply Chains eine zentrale Herausforderung. Unternehmen müssen Entscheidungen über Standortwahl, Produktions- und Lagerstrukturen, Transportwege und Zulieferbeziehungen treffen – unter Berücksichtigung von Kosten, Flexibilität, Nachhaltigkeit und Risiken.

Die Forschung zu Optimierungsproblemen in der Supply Chain Konfiguration ist vielfältig: von klassischen linearen Modellen über stochastische Ansätze bis hin zu modernen heuristischen und KI-basierten Verfahren. Eine systematische Literaturaufarbeitung ermöglicht es, bestehende Modelle, Methoden und Forschungslücken zu identifizieren und ein strukturiertes Verständnis dieses Themenfeldes zu entwickeln.

Ziel der Arbeit

Ziel der Abschlussarbeit ist es, eine strukturierte und kritische Literaturrecherche zu Optimierungsansätzen im Bereich der Supply Chain Konfiguration von Produktionsnetzwerken durchzuführen.
Im Mittelpunkt stehen:

• die Identifikation und Kategorisierung bestehender Optimierungsprobleme und Modelltypen

• eine Analyse der verwendeten Methoden (z. B. mathematische Optimierung, heuristische Verfahren, Simulation, KI-basierte Ansätze)

• die Aufdeckung von Forschungslücken und zukünftigen Trends

Vorgehensweise

• Definition von Suchstrategien und Auswahl relevanter wissenschaftlicher Datenbanken (z. B. Scopus, Web of Science, ScienceDirect)

• Durchführung einer systematischen Literaturrecherche nach PRISMA- oder ähnlichen Leitlinien

• Strukturierte Auswertung der gefundenen Studien (z. B. nach Problemtyp, Methode, Zielgröße, Anwendungskontext)

• Zusammenfassung der Ergebnisse in einer übersichtlichen Taxonomie oder Klassifikation

• Diskussion der identifizierten Forschungslücken und Entwicklung möglicher Forschungsfragen

Anforderungen

• Studium im Bereich Wirtschaftsingenieurwesen, Maschinenbau, International Production Engineering and Management oder einem verwandten Fachgebiet

• Interesse an Optimierungsmethoden und Supply Chain Management

• Fähigkeit zum wissenschaftlichen Arbeiten und Analysieren von Fachliteratur

Weitere Informationen

• Bachelorarbeit oder Projektarbeit

• Beginn: nach Vereinbarung

Bewerbung

Bitte vollständige Unterlagen (kurzes Anschreiben, Arbeitszeugnisse und aktueller Notenauszug) per Mail an:

Baris Albayrak
baris.albayrak@faps.fau.de

Ich freue mich auf Ihre Bewerbung!

Die Anforderungen an Fertigungsanlagen entwickeln sich zunehmend in Richtung Flexibilisierung und Personalisierung fort, um individuellen Kundenwünschen gerecht zu werden. In diesem Kontext gewinnt das Flexible Job-Shop Scheduling Problem an Bedeutung: Es beschreibt die Herausforderung, verschiedene Aufträge mit mehreren Arbeitsschritten auf wechselnde Maschinen so zu planen, dass alle Schritte in möglichst optimaler Reihenfolge bearbeitet werden. Im Gegensatz zu starren Systemen können einzelne Arbeitsschritte dabei auf unterschiedlichen Maschinen ausgeführt werden. Ziel ist es, die Produktionszeit zu minimieren und die Nutzung der Maschinen optimal zu gestalten, um den komplexen Anforderungen moderner Fertigung gerecht zu werden.
Da es sich beim Flexible Job-Shop Scheduling Problem um ein kombinatorisches Optimierungsproblem handelt, das in Abhängigkeit der Größe der Produktionsanlage sehr komplex werden kann, bietet sich für eine dynamische Lösungsfindung die Methodik des Multi-Agent Reinforcement Learnings (MARL) an.
Ziel dieser Arbeit ist es, ein Scheduling Problem einer simulierten Produktionsanlage durch Entwicklung und Training eines Muli-Agent Reinforcement Learning Systems zu lösen.

Deine Aufgaben:

• Einarbeitung in den Stand der Technik zum Lösen des Flexibel Job-Shop Scheduling Problems und MARL
• Mathematische Beschreibung des Problems
• Erstellung einer Simulation einer Fertigungsanlage als Trainingsumgebung
• Konzeptionierung eines MARL-Systems
• Umsetzung und Training des MARL-Systems
• Validierung des Systems als flexiblen Scheduler

Dein Profil:

• Fortgeschrittene Programmierkenntnisse
• Affinität für maschinelles Lernen und dessen Anwendung in der Produktion
• Strukturierte, selbstständige Arbeitsweise

Voraussetzungen:
Für diese Arbeit werden ein sicherer Umgang mit Python sowie Vorerfahrungen im Trainieren von RL-Modellen vorausgesetzt. Bitte stellt in Eurer Bewerbung dar, wie ihr diese Voraussetzungen erfüllt.

Die Arbeit kann ab sofort bearbeitet werden. Bewerbung bitte per Mail mit Lebenslauf und aktuellem Notenauszug an untenstehenden Kontakt richten.

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

 

 

Hintergrund:

In der Entwicklung intelligenter Produktions- und Logistiksysteme nehmen autonome, vernetzte Agenten eine Schlüsselrolle ein. Um komplexe Aufgaben effizient zu bewältigen, müssen diese Systeme nicht nur lernen, sondern auch ihre interne Struktur und Kommunikation dynamisch anpassen können. Ziel dieser Arbeit ist es, in einer simulativen Testumgebung verschiedene Konzepte für Agentenarchitektur, Lernen und Interaktion zu erforschen und methodisch zu evaluieren.

Ziel der Arbeit:

Entwicklung und Analyse eines simulationsbasierten Multi-Agenten-Systems mit einem von drei Schwerpunkten:

Themenoption 1: Atomare Agentenstrukturen & Rollenverteilung mit Fokus auf Architektur und Organisation

• Modellierung von Agenten als “Atome” mit vernetzbaren Rollen (z. B. Spezialist, Manager)
• Dynamische Bildung von Systemstrukturen über agentenbasierte Verknüpfungslogik
• Aufbau und Visualisierung eines Agentennetzwerks
• Konzeption einer “Agentenbörse” zur strukturierten Verknüpfung

Themenoption 2: Meta-Learning im Reinforcement Learning mit Fokus auf Lernen & Adaption

• Vergleich klassischer RL-Methoden mit Meta-Learning-Ansätzen (z. B. MAML, Reptile)
• Simulation eines adaptiven Agenten in einer rudimentären Umgebung (x, y, dx, dy)
• Bewertung der Anpassungsfähigkeit in dynamischen Zielsystemen
• Analyse von Vor- und Nachteilen des Meta-Learnings

Themenoption 3: Spieltheorie in Multi-Agenten-Kommunikation mit Fokus auf Kooperation & Täuschung

• Interaktion durch „Horizont“/Ziel-Überschneidungen und Kommunikation zwischen Agenten
• Modellierung von Täuschern und Strategien zur Erkennung
• Integration spieltheoretischer Konzepte wie Vertrauen, Betrug, Kooperation
• Aufbau eines agentenbasierten Kommunikations- und Bewertungssystems

Vorgehensweise:

• Einarbeitung in Multi-Agenten-Systeme und Reinforcement Learning
• Auswahl und Ausarbeitung eines der drei Schwerpunktbereiche
• Aufbau eines simulativen Testsystems (z. B. mit Python)
• Implementierung und Evaluation der entwickelten Ansätze
• Dokumentation und Diskussion der Ergebnisse

Anforderungen an Studierende:

• Strukturierte, selbstständige Arbeitsweise
• Erfahrung im wissenschaftlichen Arbeiten sowie in der Durchführung von Literaturrecherchen
• Gute Dokumentationsfähigkeit
• Fortgeschrittene Kenntnisse in Python
• Grundkenntnisse KI, Multi-Agentensystemen oder maschinellem Lernen

Bewerbung:

Bewerbungen bitte mit Lebenslauf und aktueller Fächerübersicht per E-Mail an Luca.Werthmann@faps.fau.de

Zahlreiche für den Betrieb kritische elektrische Systeme der Deutschen Bahn wie beispielsweise Weichen, Signale und Achszähler werden in einem separaten Gleichstromkreis betrieben. Innerhalb eines dieses Stromkreises sind zudem Batteriesysteme parallelgeschaltet, die im Falle eines Stromausfalls oder Ausfall eines Gleichrichters unmittelbar als Notstromversorgung einspringen. Im Regelbetrieb sind die Batteriesysteme dauerhaft im sog. Ladeerhaltungsmodus eingebunden.
Der für die Systeme benötigte Gleichstrom wird über Wechselrichter aus der Netzspannung gewandelt, die klassischerweise ein 50Hz-Wechselstromnetz darstellt. Aufgrund der Art und Weise der Gleichrichtung bleibt – je nach Typ und Alter des Gleichrichters – eine mehr oder minder hohe Restwelligkeit im Gleichstromkreis bestehen. Ein wenig untersuchtes Gebiet ist die Auswirkung von Restwelligkeiten auf die oben beschriebenen Gleichstromsysteme, die teilweise empfindlich auf bereits leichte Spannungsschwankungen reagieren. Aktuell existiert nur stichprobenartige Evidenz, dass Systeme aufgrund von Restwelligkeiten frühzeitig ausfallen oder ihre Lebensdauer signifikant verkürzt wird.
In der zu bearbeitende studentische Arbeit soll zunächst an unterschiedlichen Standorten gemessen, die Daten ausgewertet und letztendlich Rückschlüsse auf den Einfluss auf die Gleichstromsysteme gezogen werden. Stellt sich heraus, dass Restwelligkeit einen hohen Einfluss besitzt, soll diese zukünftig regelmäßig gemessen und frühzeitig bei Grenzwertüberschreitungen gewarnt werden. Im Rahmen der Arbeit bist Du direkt eingebunden in die Weiterentwicklung für ein Frühwarn- und Diagnosesystem der Instandhaltung.

Was ist der Inhalt der Arbeit?

• Arbeite dich in die Funktionsweise von elektrischen Versorgungssystemen von Stellwerken und nachgeschalteten Gleichstromsystemen ein.
• Erarbeite den theoretischen Hintergrund der Entstehung von Restwelligkeiten an Gleichrichtersystemen und den Einfluss auf nachgeschaltete Systeme.
• Entwirf eine Messstrategie zur Messung von Restwelligkeit.
• Erfasse die Restwelligkeit von Stromversorgungssystemen in Stellwerken an mehreren Standorten für einen umfassenden Überblick über die aktuelle Situation.
• Vergleiche die Messdaten mit dem Zustand der eingebundenen Systeme wie z.B. Typen oder Generationen von Stellwerken und bewerte den Einfluss auf diese.
• Bestimme die Anforderungen an einen Grenzwert oder Indikator, den ein potenzielles Messgerät zur Messung von Restwelligkeiten erfassen muss, um eine Aussage über die Lebensdauer von Gleichstromsystemen zu treffen.

Was erwartet dich?

• Arbeite im engen Kontakt mit der DB InfraGO und anderen DB Unternehmen und erhalte einen direkten Einblick die Technik in Stellwerken, die unsere Infrastruktur am Laufen hält.
• Erhalte einen tiefen Einblick in die Funktionsweisen von Stellwerken und angeschlossenen Systemen.
• Tritt in den Austausch mit Fachexperten im Bereich Energieversorgung bei der Deutschen Bahn.
• Sei eingebunden in ein praxis- und ergebnisrelevantes Projekt zur Erhöhung der Verfügbarkeit von Systemen der Deutschen Bahn und gestalte unmittelbar mit.

Was bringst du mit?

• Du beweist Flexibilität in der Absprache mit Personal an den Standorten und hast ein proaktives Auftreten gegenüber Verantwortlichen.
• Du bist bereit für Reisetätigkeiten, um an unterschiedlichen Standorten in Deutschland Messungen vorzunehmen.
• Du hast gute Deutschkenntnisse in Wort und Schrift.

Haben wir dein Interesse geweckt oder hast du noch Rückfragen? Wir freuen uns auf deine Anfrage.

Kontakt:
Andreas Reichle (HOREICH GmbH)
andreas.reichle@horeich.de
+49 9131 9234042

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!