Situation und Motivation:

Schaltschränke sind in nahezu allen industriellen und technologischen Bereichen omnipräsent, dienen der zentralisierten Unterbringung elektrischer und elektronischer Komponenten und sind daher von hoher Relevanz für viele Branchen. Bei der Wiederverwertung und Entsorgung dieser Schaltschränke kommt dem gezielten und effizienten Abbau der vielfältigen Bestandteile, wie elektronische Bauteile, Metallstrukturen und Verdrahtungssysteme, eine entscheidende Bedeutung zu. Der Einsatz von Künstlicher Intelligenz in diesem Bereich kann den Demontageprozess erheblich verbessern. KI-Technologien, wie maschinelles Lernen und Bildverarbeitung, ermöglichen beispielsweise die Echtzeit-Identifikation von Komponenten, schlagen optimale Demontagewege vor und automatisieren die Sortierung von wiederverwendbaren Materialien.

Das Ziel dieser Arbeit ist es, eine systematische Untersuchung der Genauigkeit von Deep Learning-Modellen zur Koordinatenextraktion in Schaltschränken durchzuführen. Hierzu soll zunächst ein Konzept zur Bewertung der Genauigkeit der Modelle im Hinblick auf die Positionsvorhersage entwickelt werden. Die entwickelten Methoden sollen anschließend in einem realen Szenario mit einem Roboter am Labordemonstrator validiert werden.

Die finale inhaltliche Ausgestaltung und der Umfang der Arbeitspakete können in Absprache entsprechend den individuellen Interessen, Schwerpunkten und der Art der Arbeit angepasst werden.

Mögliche Arbeitspakete:

• Analyse und Bewertung des Standes der Technik im Bereich Schalt- und Steueranlagenbau sowie Deep-Learning-basierte Bildverarbeitung
• Methodische Analyse der Vorhersagegenauigkeiten bereits vortrainierter Deep-Learning-Modelle
• Konzeptionierung einer Bildverarbeitungspipeline
• Umsetzung und Validierung der Prozesskette am Labordemonstrator
• Evaluation und kritische Betrachtung der Ergebnisse

Was Sie mitbringen?

• Motivation und eigenständige, lösungsorientierte Arbeitsweise
• Interesse an Themen der Künstlichen Intelligenz/ des Maschinellen Lernens
• Sehr gute Kenntnisse in deutscher und englischer Sprache

Hinweise und Bewerbung:

• KI-generierte Anfragen werden nicht berücksichtigt. / AI-generated requests are not considered.
• Enge Zusammenarbeit über den gesamten Zeitraum
• Bearbeitung ab sofort und vorwiegend aus dem Homeoffice möglich
• Zusammenarbeit mit Industriepartner aus der Schaltschrankbranche
• Bewerbungen mit aktuellem Lebenslauf und Notenübersicht bitte an albert.scheck@faps.fau.de
• Abstimmungen im Vorfeld gerne möglich

Kategorien:

Kontakt: