Seltenerdmagnete (SE-Magnete), insbesondere Neodym-Eisen-Bor-Magnete, kommen in vielen Zukunftstechnologien zum Einsatz und spielen daher eine zentrale Rolle für die Transformationsstrategie der Europäischen Union. Die notwendigen Seltenerdmetalle wie Neodym, Dysprosium und Terbium werden dabei aufgrund vulnerabler Lieferketten und schlechter Substituierbarkeit als kritische Rohstoffe klassifiziert. Außerdem verursacht die Primärproduktion von Seltenerdmagneten signifikante Umwelt- und Klimabelastungen.

Vor diesem Hintergrund besitzt das Recycling von SE-Magneten hohes geopolitisches, ökonomisches und ökologisches Potential. Allerdings ist ein geschlossener Rohstoffkreislauf aus technischen und organisatorischen Gründen derzeit nur schwer realisierbar, sodass aktuell weniger als ein Prozent der SE-Magnete in der EU recycelt wird. Da für viele End-of-Life-Produkte die Magnetextraktion durch Demontage nicht wirtschaftlich realisierbar ist, besitzt die Sortierung von geschreddertem Elektroschrott hohe Bedeutung. Die Herausforderung hierbei besteht darin, granulare und disperse Stoffgemische zuverlässig zu trennen, deren Bestandteile sich in vielen physikalischen Eigenschaften ähneln. Gleichzeitig muss die zu entwickelnde Prozesskette einen ausreichenden Durchsatz ermöglichen.

Derzeit werden am Lehrstuhl FAPS entsprechende Sortierverfahren untersucht. Für die Prozessentwicklung ist dabei eine Quantifizierung der Sortiergüte entscheidend. Verfahren wie die energiedispersive Röntgenspektroskopie (EDX) erlauben die Identifikation von Elementen und somit direkte Aussagen über die Zusammensetzung von Proben. Als Nachteile bestehen dabei jedoch Limitationen in Hinblick auf die analysierbare Probenform und den untersuchten Ausschnitt. Eine mögliche Alternative stellt die Charakterisierung von Partikeln anhand lichtmikroskopischer Aufnahmen dar. Rückschlüsse auf die Probenzusammensetzung können so indirekt beispielsweise anhand von Farben und Oberflächenstruktur der Partikel getroffen werden. Die Auswertung soll perspektivisch automatisiert (z. B. via Machine Learning) erfolgen.

Inhalte:

• Literaturrecherche zu möglichen Auswerteverfahren
• Zieldefinition und systematische Charakterisierung von relevantem Eingangsmaterial mittels Mikroskopie (Licht- / Lasermikroskop)
• Datenerhebung und -aufbereitung: Erzeugen einer ausreichenden Datengrundlage auf Basis der Mikroskopaufnahmen
• Labeln der Daten, Modellauswahl und -anpassung und Trainieren des Modells

Entsprechend der individuellen Interessen und Fähigkeiten sind unterschiedliche Schwerpunktsetzungen möglich (Aufbau von Versuchsträgern / Versuchsdurchführung) – z. B.

• Ausarbeitung eines Konzepts und Konstruktion eines Versuchsaufbaus
• Aufbau von Versuchsanlagen
• Demonstration der grundlegenden Eignung mithilfe von Versuchen (Versuchskonzeption, -durchführung und -auswertung)
• Bewertung von Prozessketten anhand ökonomischer und ökologischer Kriterien

Anforderungen und Informationen:

• Methodische und strukturierte Vorgehensweise
• Ausreichende IT-Kenntnisse notwendig (Kenntnisse in Python und Erfahrungen im Umgang mit den Libraries PyTorch, OpenCV sind von Vorteil)
• Interesse an industrienaher Forschung mit Fokus auf Nachhaltigkeit und Prozessentwicklung
• Forschung in einem Zukunftsthema mit hoher strategischer Bedeutung
• Deutsch und Englisch in Wort und Schrift
• Weitere Informationen auf Anfrage

Der Beginn der Arbeit ist ab sofort möglich. Aussagekräftige Bewerbungen sind bitte per E-mail (thorsten.ihne@faps.fau.de) inkl. Lebenslauf und aktuellem Notenspiegel zu stellen. Generische, unvollständige oder KI-generierte Anfragen werden ignoriert.

Kategorien:

Kontakt: