10. März 2026

Ausgangssituation:

In der diskreten Fertigung ist die Teileandienung für automatisierte Prozesse oft sehr starr und erfordert spezielle Zuführsysteme oder manuelles Vorsortieren. Dies beeinträchtigt die Wirtschaftlichkeit und Flexibilität der Produktionssysteme erheblich. Bin-Picking-Systeme, die zufällig geschüttete Bauteile durch Roboter handhaben, versprechen hier Abhilfe und sind in der Praxis bereits für viele Standardanwendungen etabliert.

Diese Systeme basieren klassischerweise auf 3D-Kamera-Eingangsdaten, deren Qualität und damit Kosten oft proportional zur Komplexität der zu greifenden Teile sind. Insbesondere bei kleinen, reflektierenden oder texturarmen Bauteilen, wie sie in der Elektronikfertigung häufig auftreten, stossen konventionelle Tiefenbildsensoren an ihre Grenzen. Neuere KI-basierte Ansätze, etwa Foundation-Stereo- und Foundation-Pose-Modelle auf Basis von NVIDIA-Technologien, versprechen eine deutliche Verbesserung der Tiefenbildqualität ohne den Einsatz hochpreisiger Spezialkameras.

Zielsetzung:

Ziel dieser Arbeit ist die Evaluierung und Verbesserung der Tiefenbilderfassung für Bin-Picking-Systeme durch den Einsatz innovativer KI-basierter Technologien. Es sollen KI-gestützte Stereovision zur Optimierung der Tiefeneingangsdaten sowie die Nutzung von 2D-Bildern aus mehreren Blickwinkeln (Multi-View-Perzeption) implementiert und untersucht werden. Die verschiedenen Ansätze sind miteinander sowie mit bestehenden Systemen zu vergleichen, um deren Potenzial für den Einsatz in der Elektronikfertigung zu ermitteln und Grenzen und Erweiterungsmöglichkeiten aufzuzeigen.

Aufgabenschwerpunkte & Arbeitspakete:
  • Einarbeitung in den Stand der Technik zu KI-basierter Stereovision, Multi-View-Perzeption und Posesschätzung sowie zu bestehenden Bin-Picking-Systemen in der diskreten Fertigung
  • Strukturierte Literaturrecherche zu KI-basierten Stereovision Verfahrenen sowie zu deren Einsatzpotenzial in industriellen Bildverarbeitungspipelines
  • Konzeption und Durchführung eines umfangreichen Versuchsplans aus repräsentativen Testszenarien auf Basis einer marktverfügbaren Stereokamera
  • Untersuchung von KI-basierten Stereovisionstechnologien zur Verbesserung der Tiefeneingangsdaten für klassische Bin-Picking-Pipelines
  • Untersuchung von Multi-View-Detektoren zur weiteren Verbesserung der Datenqualität und Robustheit der Posesschätzung
  • Vergleich der Ansätze untereinander sowie mit bestehenden Systemen anhand aussagekräftiger Anwendungsfälle aus der Elektronikfertigung
  • Strukturierte Dokumentation der Arbeit und Präsentation der Ergebnisse

Vorkenntnisse:

  • Interesse an industrieller Robotik und künstlicher Intelligenz
  • Grundlegende Programmierkenntnisse in Python von Vorteil, aber nicht erforderlich
  • Sehr gute Deutsch- und Englisch-Kenntnisse

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

Studiengang:

IPEM, Maschinenbau, Mechatronik, Medizintechnik, Wirtschaftsingenieurwesen

Technologiefeld:

Additive Mechatronics, Künstliche Intelligenz und Maschinelles Lernen, Medizintechnik, Autonome Mobile Systeme

Kontakt:

Patrick Ziegler, M.Sc.

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