Ausgangssituation
Moderne mobile Arbeitsmaschinen stellen hohe Anforderungen an die Automatisierungstechnik. Durch die langjährige Erforschung physikalischer Effekte auf mechatronische Komponenten können heute vielfältige Sensorsysteme genutzt werden, um Umgebungsdaten zu erfassen. Diese Daten dienen als Grundlage für Transformer-basierte KI-Architekturen, die im autonomen Fahren eingesetzt werden. Das effektive Training solcher Modelle erfordert jedoch sowohl große, hochwertig annotierte Datenmengen als auch eine systematische Optimierung der Modellparameter.
Ziel dieser studentischen Arbeit ist die Entwicklung einer Datenpipeline, die eine ressourceneffiziente, automatisierte Aufzeichnung, Annotation und Bereitstellung von Daten ermöglicht, sowie die Erarbeitung eines strukturierten Ansatzes zum Training von Transformer-basierten Modellen. Hierdurch soll die Inbetriebnahme von Transformer-basierten KI-Systemen beschleunigt werden.
Aufgabenschwerpunkte:
  • Einarbeitung in automatisierte Datenannotationssysteme, effiziente Datenverarbeitungstechniken sowie Trainingsmethoden für KI-Modelle
  • Entwurf eines Konzepts für eine Datenpipeline zur automatisierten Annotation und Bereitstellung von Trainingsdaten
  • Entwicklung eines strukturierten Ansatzes zum Training von Transformer-basierten KI-Modellen
  • Exemplarische Implementierung des Gesamtkonzepts
  • Evaluierung des Systems hinsichtlich Ressourceneffizienz, Annotationsaufwand und Modellleistung (z. B. Genauigkeit, Robustheit)
  • Strukturierte Dokumentation der Ergebnisse und Ableitung von Optimierungspotenzialen
Vorkenntnisse:
  • Interesse an autonomen Fahrzeugen, KI-gestützten Systemen und maschinellem Lernen
  • Selbstständige, strukturierte und sorgfältige Arbeitsweise
  • Grundlegende Programmierkenntnisse (vorteilhaft, jedoch nicht zwingend erforderlich)
  • Erfahrung mit Ubuntu und ROS2 (wünschenswert, aber nicht Voraussetzung)
  • Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Kategorien:

Forschungsbereich:

Robotik

Art der Arbeit:

Bachelorarbeit, Masterarbeit, Projektarbeit

Kontakt:

Patrick Ziegler, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)