Index

Ausgangssituation

Die steigende Popularität und Komplexität von CubeSat-Missionen führt zu einem wachsenden Bedarf an effizienten und systematischen Konfigurationsmethoden. Derzeit basieren Architekturentscheidungen oft auf Expertenwissen oder iterativen, zeitintensiven Prozessen. Es fehlt ein strukturierter, parametrischer Ansatz, der Missionsanforderungen methodisch in optimierte Systemarchitekturen übersetzt. Diese Arbeit zielt darauf ab, diese Lücke zu schließen, indem ein Framework entwickelt wird, das die Auswahl und Dimensionierung von CubeSat-Subsystemen basierend auf fundamentalen Missionsparametriert automatisiert.

Aufgabenstellung

• Durchführung einer systematischen Literaturrecherche zu 20-30 historischen CubeSat-Missionen, um Architekturmuster und entscheidungstreibende Parameter zu identifizieren.
• Entwicklung einer Taxonomie zur Klassifizierung von Missionstypen (z.B. Erdbeobachtung, Kommunikation) und deren Schlüsselparametern (Orbit, Datenrate, Lageregelungsanforderungen).
• Erstellung eines parametrischen Architektur-Frameworks mit Entscheidungsbäumen für Hauptsubsysteme und mathematischen Modellen für die Größenauslegung (z.B. Leistungsbilanz, Datenbudget).
• Implementierung eines Tool-Prototyps (z.B. in Python) zur automatisierten Architekturgenerierung aus Anforderungsinputs.
• Validierung des Frameworks durch retrospektive Analyse von 5-6 realen CubeSat-Missionen und Gegenüberstellung der framework-generierten mit der tatsächlichen Architektur.
• Durchführung einer Sensitivitätsanalyse, Identifikation von Framework-Grenzen und Ableitung von klaren Anwendungsrichtlinien.

Vorkenntnisse und Voraussetzungen

• Erfahrung im Systems Engineering und Verständnis für technische Trade-Offs sind wünschenswert.
• Praktische Programmierkenntnisse (Python) für die Tool-Implementierung.
• Analytische Fähigkeiten, strukturierte und selbstständige Arbeitsweise.
• Sehr gute Englischkenntnisse für die Literaturrecherche.

Beginn

Ab sofort möglich

Sonstiges

• Die Arbeit bietet die Möglichkeit, mit erfahrenen CubeSat-Ingenieuren für die Validierungsphase zusammenzuarbeiten.
• Die Bearbeitung kann größtenteils im Home-Office erfolgen.
• Regelmäßige Abstimmungen mit dem betreuenden Team sind erforderlich.
• Das Ergebnis ist ein sofort nutzbares, praxisorientiertes Werkzeug für die CubeSat-Entwicklung.

Empfohlene Literatur zur Vorbereitung

• Bouzoukis, K.-P., Moraitis, G., Kostopoulos, V., Lappas, V. (2024). “An Overview of CubeSat Missions and Applications” — Open‑Access Review. Applied Mechanics Laboratory.
  https://www.mdpi.com/2226-4310/12/6/550
• Poghosyan, A., & Golkar, A. (2017). “CubeSat evolution: Analyzing CubeSat capabilities for conducting science missions”. Progress in Aerospace Sciences, 88, 59-83. https://www.sciencedirect.com/science/article/pii/S0376042116300951

Bewerbung

Bei Interesse senden Sie bitte Ihre Bewerbungsunterlagen (Anschreiben, Lebenslauf, aktueller Notenspiegel) an:
julius.pinsker@faps.fau.de

Motivation

Mit dem zunehmenden Einsatz von Gleichstromnetzen in Produktionsanlagen wächst die Bedeutung einer realitätsnahen und validen Modellierung. Simulationstools ermöglichen es, diese Netze virtuell abzubilden und verschiedene Betriebszustände zu analysieren. Damit die Ergebnisse zuverlässig sind, müssen die zugrunde liegenden Modelle die tatsächlichen physikalischen und regelungstechnischen Zusammenhänge korrekt abbilden.

Im Rahmen dieser Arbeit soll die bestehende Simulationsumgebung für Gleichstromnetze in Matlab Simulink/Simscape erweitert werden. Während bisher bereits Verbrauchermodelle und Energiemanagementkonzepte integriert sind, sollen nun auch Schalt- und Schutztechnik sowie weitere Komponenten ergänzt werden, um ein vollständiges und validierbares Netzabbild zu ermöglichen.

---

Aufgabenstellung

Im Rahmen dieser Arbeit soll die bestehende Gleichstromnetzsimulation um weitere technische Komponenten ergänzt und anhand realer Messungen validiert werden.
Die Aufgaben umfassen:

• Analyse der bestehenden Simulationsarchitektur
  Untersuchung der vorhandenen Modelle und der bestehenden Komponentenstruktur in Matlab Simulink/Simscape.

• Weiterentwicklung der Komponentendatenbank
  Integration neuer Bauteiltypen (z. B. Schalt- und Schutzkomponenten, Leitungen, Netzschnittstellen), sowie Parametrisierungsstrategien.

• Modellerstellung und Implementierung
  Aufbau und Parametrierung neuer Komponentenmodelle gemäß technischer Spezifikationen.

• Validierung durch reale Messungen
  Vergleich und Abgleich der Simulationsergebnisse mit Messdaten des am Lehrstuhl vorhandenen Gleichstrom-Demonstrators.

• Dokumentation und Auswertung
  Beschreibung der Modellierungsstrategie, Bewertung der Simulationsergebnisse und Ableitung von Verbesserungspotenzialen.

---

Zielsetzung

Ziel der Arbeit ist die Erweiterung und Validierung der bestehenden Simulationsumgebung zur Abbildung eines vollständigen industriellen Gleichstromnetzes.
Durch die Integration von Schalt- und Schutztechnik sowie weiterer Komponenten soll ein realitätsnahes, validierbares Simulationsmodell entstehen, das als Grundlage für zukünftige Forschungsarbeiten und Regelstrategien dient.

---

Voraussetzungen und Informationen

Profil:

• Studium der Elektrotechnik, Energietechnik, Mechatronik, Informatik, Maschinenbau oder eines verwandten Fachbereichs

• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

• Selbstständige und strukturierte Arbeitsweise

• Interesse an innovativen Energieversorgungstechnologien, Simulationen und Automatisierung

• Kenntnisse in Matlab/Simulink (idealerweise Simscape)

• Grundkenntnisse in Programmierung (z. B. Python) sind von Vorteil

• Teamfähigkeit und Kommunikationsfreude

---

Was wir bieten:

• Einblicke in aktuelle Forschungsarbeiten zu Simulation, Automatisierung und Gleichstrom- bzw. hybriden Energienetzen

• Mitarbeit in einem engagierten und interdisziplinären Team

• Eigenverantwortliches Arbeiten an realen Projekten mit modernster Technologie

• Möglichkeit zur persönlichen und fachlichen Weiterentwicklung

• Kooperation mit führenden Industriepartnern im Bereich Simulations- und Gleichstromtechnologie

• Bei Projekt- oder Masterarbeit: Möglichkeit zur weiterführenden Forschungsarbeit (Research Master/Promotion)

Das DC-Team am Lehrstuhl FAPS besteht aus mehreren Wissenschaftlerinnen, Wissenschaftlern und Studierenden, die eng zusammenarbeiten und sich gegenseitig unterstützen. Eine aktive Einbindung und regelmäßiger Austausch innerhalb des Teams sind ausdrücklich erwünscht. Die Arbeitspakete dieser Abschlussarbeit lassen sich inhaltlich klar voneinander abgrenzen und können bei Bedarf auch auf mehrere Studierende verteilt werden.

---

Beginn: Ab sofort möglich
Art der Arbeit: Bachelorarbeit, Projektarbeit oder Masterarbeit

---

Kontakt

Interessierte Studierende senden bitte ihre Bewerbungsunterlagen (kurzes Motivationsschreiben, Notenspiegel und Lebenslauf) an:

Martin.Barth@faps.fau.de

Ausgangssituation

Nanosatelliten, insbesondere CubeSats, sind aufgrund ihrer Größenbeschränkungen auf effiziente und zuverlässige Entfaltungsmechanismen für kritische Komponenten wie Solarpaneele und Antennen angewiesen. Konventionelle motorbasierte Systeme bringen erhebliche Nachteile mit sich: höheres Gewicht, zusätzlicher Energieverbrauch und potenzielle Ausfallquellen. Motorlose Deployment-Mechanismen (wie federspannungsbasierte, formgedächtnislegierungsbasierte oder bistabile Strukturen) bieten vielversprechende Alternativen, die jedoch systematischer Untersuchung und Optimierung bedürfen, um ihre Zuverlässigkeit und Effizienz in Weltraumumgebungen zu gewährleisten.

Aufgabenstellung

• Systematische Literaturrecherche zu bestehenden motorlosen Deployment-Mechanismen für Nanosatelliten
• CAD-basierte Konzeption mehrerer alternativer Lösungsansätze für die Entfaltung von Solarpaneelen und Antennen
• Design und Entwicklung von 3D-druckbaren Prototypen der vielversprechendsten Konzepte
• Aufbau eines Testaufbaus zur experimentellen Validierung der Mechanismen
• Durchführung vergleichender Experimente unter verschiedenen Bedingungen (mechanische Belastung, thermische Zyklen)
• Analyse und Bewertung der Ergebnisse hinsichtlich Zuverlässigkeit, Komplexität und Fertigungsaufwand
• Strukturierte Dokumentation und Entwicklung von Designrichtlinien für zukünftige Anwendungen

Vorkenntnisse und Voraussetzungen

• Fortgeschrittene CAD-Kenntnisse (z.B. SolidWorks, CATIA, Fusion 360)
• Grundkenntnisse der Satellitentechnik und deren Anforderungen
• Erfahrung mit 3D-Druck-Technologien und -Materialien
• Analytische Fähigkeiten und zielorientierte Arbeitsweise
• Hohe Arbeitsgeschwindigkeit und selbstständiges Arbeiten
• Gute Deutsch- und Englischkenntnisse

Beginn

Ab sofort möglich

Sonstiges

• Zugang zu CAD-Software, 3D-Druckern und Testequipment wird bereitgestellt
• Die Arbeit kann teilweise im Home-Office erfolgen
• Regelmäßige Abstimmung mit dem Projektteam erforderlich
• Möglichkeit zur Mitarbeit an aktuellen Raumfahrtprojekten

Bewerbung

Bitte senden Sie Ihre Bewerbung mit Lebenslauf, aktuellem Notenspiegel und einem kurzen Motivationsschreiben (max. 1 Seite) an julius.pinsker@faps.fau.de.

Ausgangssituation

Im Rahmen der zunehmenden Diversifizierung von CubeSat-Anwendungen hat sich die Notwendigkeit ergeben, ein strukturiertes Wissensmanagement für die Kompatibilität verschiedener Missionstypen mit den entsprechenden Satellitenkomponenten zu etablieren. Die bisher entwickelte hierarchische, dokumentenorientierte Wissensbasis bietet eine erste Grundlage für einen CubeSat-Konfigurator, der Nutzern die systematische Auswahl von Komponenten basierend auf ihren Missionsanforderungen ermöglichen soll. Diese Wissensbasis muss jedoch hinsichtlich ihrer Vollständigkeit und Validität kritisch überprüft und erweitert werden, um einen zuverlässigen Konfigurationsprozess zu gewährleisten.

Die bestehende Taxonomie enthält bereits eine hierarchische Klassifikation von Missionstypen (wissenschaftliche, kommerzielle und verteidigungsorientierte Missionen) sowie eine strukturierte Kategorisierung von Satellitenkomponenten (Bus-Systeme, Nutzlastsysteme). Eine Kompatibilitätsmatrix definiert die Beziehungen zwischen diesen Elementen als “erforderlich”, “optional” oder “inkompatibel”. Diese Struktur bildet die Grundlage für einen wissensbasierten Ansatz zur CubeSat-Konfiguration, bedarf jedoch einer umfassenden wissenschaftlichen Validierung und Ergänzung.

Aufgabenstellung

Im Rahmen dieser Masterarbeit sollen folgende Schwerpunkte untersucht und erarbeitet werden:

1. Systematische Literaturrecherche zur Validierung der existierenden Missionstypen und Identifikation weiterer relevanter Missionsszenarien für CubeSats
2. Erstellung einer vollständigen Komponententaxonomie für moderne CubeSat-Missionen unter Berücksichtigung aktueller technologischer Entwicklungen und Standards
3. Identifikation kritischer Kompatibilitätsbeziehungen und deren Begründungen, insbesondere bei inkompatiblen Komponenten-Missions-Kombinationen
4. Erweiterung der Wissensbasis um Leistungsparameter und quantitative Anforderungsprofile für verschiedene Missionstypen
5. Entwicklung einer Methodik zur kontinuierlichen Aktualisierung der Wissensbasis bei technologischen Fortschritten
6. Evaluation des erweiterten Modells hinsichtlich seiner Vollständigkeit, Konsistenz und Anwendbarkeit für einen automatisierten Konfigurationsprozess
7. Strukturierte Dokumentation der Arbeit und der erzielten Ergebnisse

Vorkenntnisse und Voraussetzungen

• Grundkenntnisse im Bereich Raumfahrttechnik und CubeSat-Technologie
• Analytisches Denkvermögen und strukturierte Arbeitsweise
• Gute Kenntnisse wissenschaftlicher Recherchemethoden
• Gute Deutsch- oder Englischkenntnisse
• Selbstständige und zielgerichtete Arbeitsweise

Empfohlene Literatur zur Vorbereitung

• Bouzoukis, K.-P., Moraitis, G., Kostopoulos, V., Lappas, V. (2024). “An Overview of CubeSat Missions and Applications” — Open‑Access Review. Applied Mechanics Laboratory.
  https://www.mdpi.com/2226-4310/12/6/550
• Poghosyan, A., & Golkar, A. (2017). “CubeSat evolution: Analyzing CubeSat capabilities for conducting science missions”. Progress in Aerospace Sciences, 88, 59-83. https://www.sciencedirect.com/science/article/pii/S0376042116300951

Beginn

• Ab sofort möglich

Sonstiges

• Bearbeitung der Arbeit kann größtenteils im Home-Office erfolgen
• Regelmäßige Abstimmung mit dem Projektteam erforderlich
• Zugang zu relevanten Fachdatenbanken und Expertennetzwerken wird ermöglicht

Bewerbung

• Email an julius.pinsker@faps.fau.de mit Lebenslauf, Notenspiegel und kurzem Motivationsschreiben (max. 1 Seite)

Motivation

Mit dem zunehmenden Einsatz von Gleichstromnetzen in Produktionsanlagen wächst die Bedeutung einer regelkonformen und validen Modellierung. Simulationstools ermöglichen es, diese Netze virtuell abzubilden und verschiedene Szenarien zu analysieren. Damit die Ergebnisse zuverlässig sind, ist es entscheidend, dass die zugrunde liegenden Modelle den geltenden Regeln entsprechen.

Im Rahmen dieser Arbeit soll eine Wissensbasis für das institutseigene Simulationstool DCign entwickelt werden, die den Aufbau und die Validierung regelkonformer Gleichstromnetze unterstützt.

---

Aufgabenstellung

Im Rahmen dieser Arbeit soll eine Wissensbasis zur regelkonformen Konfiguration von Gleichstromnetzen entwickelt werden. Die Aufgaben umfassen:

1. Analyse bestehender Ansätze

   • Untersuchung vorhandener Konfigurationsmechanismen, Algorithmen und Tools

   • Bewertung ihrer Eignung im Hinblick auf Gleichstromnetze

2. Entwicklung einer Wissensbasis

   • Aufbau einer ersten Sammlung von Regeln und Strukturen zur Modellierung

   • Sicherstellung der Abbildung gängiger Normen und Regelwerke

3. Strategie zur Regelgestaltung

   • Entwurf einer Methodik zur Erstellung von Regeln

   • Fokus auf Anpassbarkeit und Erweiterbarkeit für zukünftige Anforderungen

4. Integration in Simulationskontexte

   • Anwendung innerhalb des Simulationstools DCign

   • Definition von Ansätzen zur Validierung von Modellen

---

Zielsetzung

Ziel der Arbeit ist die Erstellung einer erweiterbaren und adaptiven Wissensbasis, mit der Gleichstromnetze regelkonform modelliert und simuliert werden können. Damit soll eine Grundlage geschaffen werden, um in DCign automatisch die Validität von Modellen prüfen und sicherstellen zu können.

---

Voraussetzungen und Informationen

• Profil:
  • Studium der Elektrotechnik, Energietechnik, Mechatronik, Informatik, Maschinenbau oder eines verwandten Fachbereichs.
  • Sehr gutes Deutsch und Englisch in Wort und Schrift
  • Selbstständige Arbeitsweise erforderlich
  • Interesse an innovativen Energieversorgungstechnologien, Simulationen oder Automatisierung
  • Kenntnisse in der Programmierung (insbesondere Python) und Interesse an Schnittstellentechnologien von Vorteil.
  • Selbstständige und strukturierte Arbeitsweise, Teamfähigkeit sowie gute Kommunikationsfähigkeiten.

  Was wir bieten:

  • Einblicke in die spannende Forschungsarbeit im Bereich Simulation, Automatisierung und Gleichstromnetzwerke und hybride Energienetze.
  • Die Möglichkeit, an zukunftsweisenden Projekten in einem engagierten Team mitzuwirken.
  • Eigenverantwortliches Arbeiten an realen Projekten mit modernster Technologie.
  • Möglichkeit zur persönlichen und fachlichen Weiterentwicklung.
  • Kooperation mit führenden und regionalen Industrieunternehmen zur Gleichstromtechnologie.
  • Bei Projekt-/Masterarbeit: Möglichkeit eines Research Masters und anschließender Promotion gegeben

  Das DC-Team am Lehrstuhl besteht aus mehreren Wissenschaftlern und Studierenden, die ihre Arbeiten im Team erledigen und sich gegenseitig unterstützen, weshalb eine Bereitschaft für regen Austausch untereinander gewünscht ist. Auch in dieser Arbeit ist die Vergabe der Arbeitspakete konkurrenzlos in mehrere Teilaufgaben untergliederbar.

  Beginn: Ab sofort möglich. Die Position ist als Bachelor- Projekt- oder Masterarbeit verfügbar.

  Kontakt:
  Interessierte Studierende senden bitte ihre Bewerbungsunterlagen (kurzes Motivationsschreiben, Notenzettel und Lebenslauf) an Martin.Barth@faps.fau.de

  Hinweis: Aufgrund der hohen Anzahl an Anfragen werden Bewerbungen, die durch ChatGPT erstellt wurden, sowie Anfragen ohne alle relevanten Dokumente nicht beantwortet.

Projekthintergrund:

eXtended Reality (XR) lässt sich hervorragend für die Bildung einsetzen – insbesondere bei komplexen, räumlich-geometrischen Aufgabenstellungen. In XR kann gefahrlos trainiert werden, ohne Risiken für Leib und Leben oder die Gefahr von Sachbeschädigungen. Zukunftswelten, die physisch noch gar nicht existieren, lassen sich frühzeitig erkunden. Darüber hinaus ermöglicht XR die Darstellung seltener oder potenziell gefährlicher Szenarien. Auch Trainingseinheiten, die räumlich oder zeitlich verteilt stattfinden, sind möglich – mit einer potenziell unbegrenzten Anzahl an Teilnehmenden.

All das sind überzeugende Gründe, die vielseitigen Potenziale von XR auch in der Ausbildung zur Elektromobilität zu nutzen. Doch welche Ausbildungsinhalte lassen sich sinnvoll abbilden – und wie? Welche didaktischen Konzepte eignen sich dafür? Welche XR-Technologien sollen eingesetzt werden? Und in welche anderen Ausbildungsbereiche können die Erkenntnisse dieses Projekts übertragen werden?

Diese Fragen und mehr werden im Projekt XR-Upskill behandelt.

Motivation BA/PA/MA:

Im Projekt XR-Upskill wird untersucht wie Ausbildenden und Trainern die Erstellung von XR-Schulungen und XR-Schulungsinhalten ermöglicht werden kann. Dazu werden sowohl Softwaretools weiterentwickelt als auch betrachtet worin und wie die Ausbildenden ausgebildet werden müssen. Inhalt dieser studentischen Arbeit soll die Ausarbeitung eines Curriculums für die Ausbildenden und Trainer sein.

Mögliche Arbeitsinhalte:

• Einlesen in die begleitende Literatur
• Einarbeitung in Grundlagen zu Virtual und Augmented Reality und ihrem Einsatz in der Lehre
• Analyse der Anforderungen
• Ausarbeitung eines Curriculums für Ausbildende und Trainer

Was du mitbringen solltest:

• Strukturierte und selbstständige Arbeitsweise
• Interesse an VR/AR/XR
• Studium in Berufspädagogik Technik oder vergleichbarem Studiengang

Was du erwarten kannst:

• Spannende Einblicke in die Erstellung von Curricula
• Erfahrungen in der Arbeit mit VR/AR
• Intensive Betreuung nach Bedarf
• Kostenloser Kaffee

Organisatorisches:

Der Beginn der Arbeit ist flexibel und der Umfang kann entsprechend der zu verfassenden Arbeit angepasst werden.

Bitte wende dich dich bei Interesse mit kurzem Lebenslauf und aktueller vollständiger Notenübersicht per Mail an David Kunz.

 

 

 

 

 

LLM-SE research project

As part of the LLM-SE (Large Language Model supported Systems Engineering) research project, we are working with our industry partners to develop an assistance system based on the MBSE philosophy and structure using large language models to partially automate the engineering process of warehouse technology and concepts from requirements analysis to virtual commissioning. This should interpret user input such as requirements and adaptations, transform them into individual, model-based solutions through the availability of company-specific product catalogs, historical project data and best practices and secure these through suitable validation and verification mechanisms.

Your tasks in the project

• Literature research on the modeling language SysML v2
• Research, evaluation and selection of suitable AI methods and models
• Optimization of the existing framework through the further development of a new microservice that can be integrated with the current service and offers scalable LLM-fine-tuning.
• Collecting data from industry project partners and creating pre-processing pipelines that convert raw data into ALPACA format for model training.
• Creating intuitive user interfaces that allow non-technical users to test, evaluate and refine different base models – for warehouse technologies and concepts – by using different prompts.
• Automatic generation of SysML models for warehouse technologies and concepts through the use of LLMs in the developed framework and the improvement of these models through an interactive behavior of the process engine
• The final result of your work: With the help of the framework, the layouts for different warehouse concepts including the associated warehouse technologies automatically suggested by LLMs for the corresponding material flow technology in the factory should be able to be generated automatically.

Requirements

• Very good programming skills in Python are mandatory
• Very good knowledge and practical experience in RESTful APIs is mandatory
• Very good knowledge of processing data formats such as CSV, JSON, XML and Markdown is mandatory
• Confident handling of containerization technologies such as Docker, Podman
• Practical experience with LLM fine-tuning frameworks, e.g. Unsloth, LlamaFactory is mandatory
• Practical experience with LLM inference optimization engines, e.g. Ollama, Llama.cpp or vLLM is mandatory. e.g. Ollama, Llama.cpp or vLLM is mandatory
• Practical experience with database technologies for SQL, NoSQL, vector and object databases is mandatory
• Basic knowledge of prompt engineering techniques, including one-shot, few-shot and chain-of-thought prompting is an advantage
• Basic knowledge of version control systems e.g. Git is an advantage
• Basic knowledge of front-end development e.g. React, Next.js is an advantage

Application instructions

• Start at the earliest possible date
• Please send applications by e-mail with a current transcript of records and CV as well as a short letter of motivation
• Please note that incomplete applications cannot be considered
• Further information on request by e-mail or in a personal interview

 

 

 

 

 

 

 

Forschungsvorhaben LLM-SE

Im Rahmen des Forschungsprojektes LLM-SE (Large Language Model unterstütztes Systems Engineering) entwickeln wir gemeinsam mit unseren Industriepartnern ein an der MBSE-Philosophie und -Struktur orientiertes Assistenzsystem unter Verwendung von Large Language Models zur Teilautomatisierung des Engineeringprozesses Lagertechnologie und -konzepte von der Anforderungsanalyse bis zur virtuellen Inbetriebnahme. Dieses soll Benutzereingaben wie Anforderungen und Anpassungen interpretieren, durch die Verfügbarkeit von unternehmensspezifischen Produktkatalogen, historischen Projektdaten und Best Practices in individuelle, modellbasierte Lösungen transformieren und diese durch geeignete Validierungs- und Verifikationsmechanismen absichern.

Ihre Aufgabenbereiche im Projekt

• Literaturrecherche zur Modellierungssprache SysML v2
• Recherche, Evaluation und Auswahl geeigneter KI-Methoden und -Modelle
• Optimierung des bestehenden Frameworks durch die Weiterentwicklung eines neuen Mikroservices, der mit den aktuellen Service integriert werden kann und skalierbare LLM-fine-tuning bietet.
• Datensammeln von Projektpartnern aus der Industrie und Erstellen von Vorverarbeitungspipelines, die Rohdaten in das ALPACA-Format für das Modelltraining konvertieren.
• Schaffung intuitiver Benuteroberflächen, die es Benutzern ohne technischen Hintergrund ermöglichen, verschiedene Basismodelle – für Lagertechnologien und -konzepte zu testen, zu bewerten und zu verfeinern, indem sie verschiedene Eingabeaufforderungen verwenden.
• Automatische Generierung von SysML-Modellen für Lagertechnologien und -konzepte durch den Einsatz von LLMs im entwickelten Framework und die Verbesserung dieser Modelle durch ein interatives Verhalten der Process Engine
• Das Endergebnis Ihrer Arbeit: Mithilfe des Frameworks sollen die Layouts für verschiedene Lagerkonzepte inkl. der zugehörigen, durch LLMs automatisch vorgeschlagenen Lagertechnologien  für die entsprechende Materialflusstechnik in der Fabrik automatisch generiert werden können.

Anforderungen

• Sehr gute Programmierungskenntnisse in Python sind zwingend erforderlich
• Sehr gute Kenntnisse und praktische Erfahrungen in RESTful APIs sind zwingend erforderlich
• Sehr gute Kenntnisse in der Verarbeitung von Datenformaten wie CSV, JSON, XML und Markdown sind zwingend erforderlich
• Sicheres Umgehen mit Containerisierungstechnologien wie Docker, Podman
• Praktische Erfahrungen mit LLM-Fine-tuning-Frameworks, z. B. Unsloth, LlamaFactory sind zwingend erforderlich
• Praktische Erfahrungen mit LLM-Inferenz-Optimierungsmaschinen, z. B. Ollama, Llama.cpp oder vLLM ist zwingend erforderlich
• Praktische Erfahrungen mit Datenbanktechnologien für SQL-, NoSQL-, Vektor– und Objektdatenbanken sind zwingend erforderlich
• Grundlegende Kenntnisse in Prompt-Engineering-Techniken, einschließlich One-Shot, Few-Shot und Chain-of-Thought-Prompting sind von Vorteil
• Grundlegende Kenntnisse in Versionskontrollsystemen z. B. Git sind von Vorteil
• Grundlegende Kenntnisse in der Front-End-Entwicklung z. B. React, Next.js sind von Vorteil

Hinweise zur Bewerbung

• Beginn zum nächstmöglichen Zeitpunkt
• Bewerbungen bitte per E-Mail mit aktuellem Notenspiegel und Lebenslauf sowie einem kurzen Motivationsschreiben
• Bitte beachten Sie, dass unvollständige Bewerbungen nicht berücksichtigt werden können.
• Weitere Informationen auf Anfrage per E-Mail oder gerne auch in einem persönlichen Gespräch.

Im Rahmen des Forschungsprojekts LLM-SE (Large Language Model unterstütztes Systems Engineering) erforschen wir am Lehrstuhl FAPS innovative Ansätze zur Teilautomatisierung des Engineerings mechatronischer Systeme mithilfe generativer KI. Ziel ist es, komplexe Entwicklungsprozesse – von der Anforderungsanalyse bis zur virtuellen Inbetriebnahme – durch KI-gestützte Assistenzsysteme effizienter und robuster zu gestalten.

Aufgabenbereiche

Wir suchen motivierte Studierende zur Unterstützung bei der Entwicklung eines Demonstrators, der die virtuelle Inbetriebnahme eines mechatronischen Systems ermöglicht. Der Fokus liegt auf der Integration generativer KI-Modelle (z. B. LLMs) zur Unterstützung von Engineering-Aufgaben.

1. Modellerstellung in Unity

   • Erstellung und Kinematisierung des mechatronischen Systems (am Beispiel einer CO2-Neutralen Produktionsanlage am FAPS)

   • Integration von Verhaltensmodellen zur Beschreibung von Sensoren und Aktoren

2. Anbindung der SPS mit Siemens TIA Portal

   • Entwicklung einer einfachen Steuerungslogik für das System

   • Anbindung der SPS an das Mechatronische Modell

3. Erstellung der ECAD-Verbindung

   • Extraktion relevanter Verbindungen zwischen SPS und der Produktionsanlage

   • Ableitung der IO-Strukturen

4. Integration generativer KI-Modelle

   • Anbindung eines LLM-Moduls zur teilautomatisierten Modell- oder Codegenerierung

   • Evaluation der KI-gestützten Assistenzfunktionen im Engineering-Prozess

Profil

• Studium in Maschinenbau, Elektrotechnik, Mechatronik, Informatik oder vergleichbar

• Kenntnisse in Unity (C#), TIA Portal oder EPLAN wünschenswert

• Interesse an KI, Automatisierung und virtueller Inbetriebnahme

• Selbstständige und strukturierte Arbeitsweise, Teamfähigkeit sowie gute Kommunikationsfähigkeiten

• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Was wir bieten

• Einbindung in ein aktuelles öffentlich gefördertes Forschungsprojekt

• Hohe Zusammenarbeit mit regionalen Industriepartnern

Beginn

Ab sofort möglich. Die Position ist als Bachelor-, Projekt- oder Masterarbeit verfügbar.

Kontakt

Interessierte Studierende senden bitte ihre Bewerbungsunterlagen (kurzes Motivationsschreiben, Lebenslauf, Notenspiegel) per E-Mail an: martin.barth@faps.fau.de

Weitere Informationen zum Projekt LLM-SE:
 LLM-SE auf faps.fau.de

Simulationen sind im Bereich von Produktionssystemen mittlerweile ein weit verbreitetes Werkzeug um diese komplexen Systeme zu analysieren und zu optimieren. Im Bereich der Virtuellen Inbetriebnahme können Fehler in der Auslegung der zahlreichen Komponenten oder der komplexen Steuerung durch die Nutzung von Simulationen schnell gefunden werden. Materialflusssimulationen von ganzen Fertigungslinien eignen sich dazu frühzeitig Bottlenecks aufzufinden und dadurch eine resiliente und zuverlässige Versorgung von Materialien in der Produktion sicher zu stellen.

Ebenfalls im Bereich der CO2-Neutralen Produktion finden Simulationen Einklang um den Energieverbrauch der Anlagen zu minimieren, Energiespeicher wirtschaftlich und effizient auszulegen und Erneuerbare Energien optimal einzubinden.

In Kooperation mit über 30 namhaften Partnern der Industrie baut der FAPS in seinen Laborhallen eine gleichstrombasierte Demonstratoranlage mit regenerativen Erzeugern, verschiedenen Speichern und industriellen Verbrauchern auf. Entstandene Simulationen können dort messtechnisch validiert und das Gesamtkonzept auf die praktische Umsetzbarkeit sowie die Wirtschaftlichkeit untersucht werden.

Aufgabenstellungen:

Im Rahmen der Arbeit soll basierend auf bereits bestehende Simulationsmodelle der gleichstrombasierten Demonstratoranlage aufgebaut werden.

Hierbei können Schwerpunkte in folgenden Bereichen gelegt werden:

Energiebezogene Ereignisdiskrete Simulation mit Plant Simulation

Implementierung von Energiemanagement Konzepten (z.B. Load Shifting), Speichermanagement und Erneuerbare Energien in die bereits bestehende Simulationsumgebung.
Erweiterung des Referenzmodells um energetische Kennzahlen zur Entwicklung eines Software-Demonstrators, der die wirtschaftlichen und ökologischen Vorteile vereint.

Prozesssimmulation des Digitalen Zwillings mit Siemens NX, TIA Portal und Siemens Simit

Erarbeitung eines Produktionsprozesses, welcher zunächst in der Simulation getestet und anschließend an der realen Anlage überführt wird.
Steuerungscode wird u.a. in Siemens Tia Portal programmiert und dieser als Software-in-the-Loop Framework am Simulationsmodell validiert.
Kommunikationssignale sollen in Siemens Simit überführt werden.

Möglichkeit der Einbindung von Energiemanagementkonzepten der existierenden Energiespeicher (Batteriespeicher und Ultracap)

Energetische Analyse mittels Digitalen Zwilling in Siemens NX

Bestehende Arbeiten ermittelten das energetische Verhalten von Komponenten (z.B. Kuka Roboter) durch Einbindung der Siemens NX Physics Engine.
Im Rahmen der Arbeit soll das Konzept erweitert werden um realistischere Ergebnisse zu erhalten.

Energienetzsimulation mit MATLAB / Simulink – Simscape

Das hybride Energienetz des Demonstrators, bestehend aus diversen Energieverbrauchern, -erzeugern und Speichersystemen, soll in MATLAB Simscape abgebildet werden.
Insbesondere soll Schalt- und Schutztechnik, Energiewandlungen, sowie Energiesteuerungskonzepte in der Simulation berücksichtigt werden.

Anforderungen und Informationen:

Profil:

• Studium der Elektrotechnik, Energietechnik, Mechatronik, Informatik, Maschinenbau oder eines verwandten Fachbereichs.
• Sehr gutes Deutsch und Englisch in Wort und Schrift
• Selbstständige Arbeitsweise erforderlich
• Interesse an innovativen Energieversorgungstechnologien, Simulationen oder Automatisierung
• Erste Erfahrungen mit Software-Tools wie TIA Portal, MATLAB/Simulink, Siemens NX, EPLAN oder ähnlichen CAD- und Simulationsprogrammen sind von Vorteil.
• Kenntnisse in der Programmierung und Interesse an Schnittstellentechnologien von Vorteil.
• Selbstständige und strukturierte Arbeitsweise, Teamfähigkeit sowie gute Kommunikationsfähigkeiten.

Was wir bieten:

• Einblicke in die spannende Forschungsarbeit im Bereich Simulation, Automatisierung und Gleichstromnetzwerke und hybride Energienetze.
• Die Möglichkeit, an zukunftsweisenden Projekten in einem engagierten Team mitzuwirken.
• Eigenverantwortliches Arbeiten an realen Projekten mit modernster Technologie.
• Möglichkeit zur persönlichen und fachlichen Weiterentwicklung.
• Kooperation mit führenden und regionalen Industrieunternehmen zur Gleichstromtechnologie.
• Hoher Industriebezug durch Zusammenarbeit im Projektkonsortium möglich
• Bei Projekt-/Masterarbeit: Möglichkeit eines Research Masters und anschließender Promotion gegeben

Das DC-Team am Lehrstuhl besteht aus mehreren Wissenschaftlern und Studierenden, die ihre Arbeiten im Team erledigen und sich gegenseitig unterstützen, weshalb eine Bereitschaft für regen Austausch untereinander gewünscht ist. Auch in dieser Arbeit ist die Vergabe der Arbeitspakete konkurrenzlos in mehrere Teilaufgaben untergliederbar.

Beginn: Ab sofort möglich. Die Position ist als Bachelor- Projekt- oder Masterarbeit verfügbar.

Kontakt:
Interessierte Studierende senden bitte ihre Bewerbungsunterlagen (kurzes Motivationsschreiben, Notenzettel und Lebenslauf) an Martin.Barth@faps.fau.de

Hinweis: Aufgrund der hohen Anzahl an Anfragen werden Bewerbungen, die durch ChatGPT erstellt wurden, sowie Anfragen ohne alle relevanten Dokumente nicht beantwortet.