Studentische Arbeiten und Jobs am match

Alle aufgeführten Ausschreibungen für Bachelor-, Studien- oder Masterarbeiten sind aktuell. Wenn Sie sich für ein Thema interessieren, schreiben Sie bitte an die entsprechende Kontaktperson. Wenn Sie ein Forschungsthema oder ein Projekt des match besonders anspricht, für das es keine Ausschreibung gibt, möchten wir Sie ermutigen, uns eine Initiativbewerbung zukommen zu lassen.

Schreiben Sie bitte dazu ein kurzes Anschreiben per Mail. Neben einer kleinen Selbstvorstellung nennen Sie bitte möglichst konkret, welches Forschungsfeld Sie interessiert und wie Sie auf das match aufmerksam geworden sind. Ihre Mail senden Sie bitte an die entsprechende Kontaktperson, die im jeweiligen Projekt angegeben ist. Im Zweifel können Sie ihre Bewerbung aber auch, unter Nennung des Forschungsthemas, an lehre@match.uni-hannover.de senden.

In der modernen Fertigungsindustrie – insbesondere im Bereich der Mensch-Roboter-Kollaboration – kommt der präzisen und robusten 6D-Posenbestimmung für flexible Automatisierungslösungen eine entscheidende Bedeutung zu. Um die Eignung aktueller Verfahren für industrielle Einsatzfälle zu bewerten, sind spezifische Test- und Trainingsdaten erforderlich.

Ziel dieser Arbeit ist die Entwicklung eines Algorithmus zur automatischen Erkennung und Analyse von Objektsymmetrien in solchen Datensätzen. Der Algorithmus soll sowohl diskrete als auch kontinuierliche Symmetrieachsen identifizieren können. Dabei wird ausschließlich die Geometrie der Objekte, nicht jedoch deren Oberflächentextur, berücksichtigt.

Die Arbeit umfasst unter anderem:

• Recherche bestehender Ansätze zur automatischen Symmetrieerkennung
• Definition von Anforderungskriterien an den Algorithmus
• Entwicklung und Implementierung des Algorithmus in Python
• Validierung anhand bereitgestellter Testdaten

• Selbstständiges und strukturiertes Arbeiten 
• Programmierung in Python

Greifsysteme sind essenziell für Roboter in der Industrie, um Objekte zu handhaben, zu bewegen und zu bearbeiten. Herkömmliche Greifsysteme basieren oft auf starren Regeln und vorprogrammierten Bewegungen. Moderne Greifsysteme sind jedoch zunehmend funktionsintegriert, das heißt, sie kombinieren mehrere Funktionen in einem System. So können sie nicht nur greifen, sondern auch Objekte erkennen oder Kräfte messen. Die Integration solcher Funktionen erfordert eine präzise Steuerung, die durch Machine Learning effizienter und effektiver gestaltet werden kann.

Das Ziel dieser Arbeit ist es, mit Hilfe von Machine Learning die Temperatur der zu handhabenden Objekte zu bestimmen, ohne direkten Sensorkontakt zum Objekt zu haben. Je nach Art der Arbeit werden die Inhalte und Arbeitspakete angepasst. Die Arbeitsinhalte können folgende Punkte beinhalten:

• Generierung von Trainingsdatensätzen (simulativ und/oder experimentell)
• Design des anzuwendenden Machine-Learning-Algorithmus
• Training und Validierung von Machine-Learning-Algorithmen

• Selbstständiges und strukturiertes Arbeiten 
• Sehr gute Deutsch- oder Englischkenntnisse

Die Automatisierung der Demontage von End-of-Life Produkten stellt eine besondere Herausforderung dar. Da die vorliegenden Produkte oft unbekannt sind und zudem beschädigt oder verschmutzt sein können, wird eine besonders robuste Erkennung relevanter Merkmale wie etwa Schrauben benötigt, um diese bei der Demontage effizient und zuverlässig finden und lösen zu können.

Ziel der Arbeit ist es, Methoden zur robusten Erkennung von Merkmalen (insbesondere Schrauben) unter schwierigen Bedingungen zu entwickeln und zu evaluieren. Hierfür sollen neuronale Netze trainiert und optimiert werden. Die Arbeitsinhalte können die folgenden Punkte beinhalten:

• Untersuchung bestehender Verfahren zur Objektdetektion mittels neuronaler Netze
• Erstellung eines geeigneten Datensatzes durch Aufnahme und manuelle Annotation relevanter Bauteilmerkmale
• Entwicklung und Training von neuronalen Netzen zur Erkennung von Schrauben
• Optimierung der Genauigkeit und Robustheit der Erkennung

• Selbstständiges und strukturiertes Arbeiten
• Grundkenntnisse in den Bereichen: Programmierung, Bildverarbeitung und maschinelles Lernen
• Sehr gute Deutsch- oder Englischkenntnisse

Mobile Roboter finden heute in zahlreichen Bereichen Anwendung – sowohl im privaten Umfeld als auch in der Industrie. Im Haushalt sind sie längst etabliert, etwa als Staubsaugroboter, die selbstständig Böden reinigen und dabei Hindernisse erkennen und umgehen können. Auch in industriellen Umgebungen übernehmen mobile Roboter vielfältige Aufgaben, etwa den Transport von Materialien oder die Unterstützung in automatisierten Fertigungsprozessen.
Ein wachsender Trend ist der Einsatz solcher Roboter in Outdoor-Umgebungen. Dank fortschrittlicher Sensorik und Navigationstechnologien sind mobile Roboter zunehmend in der Lage, auch außerhalb geschlossener Räume zuverlässig zu arbeiten. Hier übernehmen sie zum Beispiel Inspektions- und Kontrollaufgaben – etwa auf Baustellen, in landwirtschaftlichen Betrieben oder entlang von Leitungen und Schienen.
Ziel dieser Arbeit ist die Untersuchung und Implementierung eines geeigneten 3D-Lokalisierungs- und Mapping-Algorithmus für einen mobilen Roboter in unebenem Gelände, wie z. B. einem Wald. Dabei soll mit ROS2 in der Simulationsumgebung Gazebo gearbeitet werden, um verschiedene Algorithmen zu evaluieren.

Aufgaben:

• Einarbeitung in ROS2 und relevante Simulationsumgebungen
• Untersuchung verschiedener 3D-Lokalisierungs- und Mapping-Algorithmen
• Auswahl und Implementierung eines geeigneten Algorithmus in der Simulation
• Optimierung und Validierung der Lösung anhand simulierter Szenarien
• Übertragung und Test der Algorithmen auf einen realen mobilen Roboten

• Selbstständiges Arbeiten
• Programmierkenntnisse erforderlich
• Sehr gute Deutsch- oder Englischkenntnisse

Die ausgeschriebene Arbeit ist Teil des DFG-geförderten Schwerpunktprogramms SPP 2433, das sich mit Messtechnik auf fliegenden Plattformen beschäftigt. In diesem Kontext entwickeln das match (Institut für Montagetechnik und Industrierobotik) und das imr (Institut für Mess- und Regelungstechnik) gemeinsam ein hochpräzises, mobiles Messsystem mit nahezu endlosem Arbeitsraum. Ziel ist es, mithilfe eines Sensors an einer UAV-Plattform großskalige Industriekomponenten oder Gebäude im Außenbereich zu vermessen. Die Drohne wird dabei von mobilen Robotern unterstützt, die mit einem hochpräzisen Laser-Tracking-System ausgestattet sind. Dieses erlaubt eine exakte Lokalisierung der Drohne im Raum. Durch die präzise Positionierung können die erfassten Einzelmessungen anschließend zu einem hochaufgelösten 3D-Modell zusammengeführt werden.
Im Rahmen dieser studentischen Arbeit soll ein Algorithmus entwickelt werden, der es ermöglicht, Gebäude oder großskalige Industriekomponenten mit einem 3D-Sensor systematisch abzutasten, der an einem UAV befestigt ist. Da die zu erfassenden Objekte so groß sind, dass sie nicht in einem einzigen Scan vollständig erfasst werden können, ist es notwendig, mehrere Scanpositionen zu planen. Ziel ist es, einen Algorithmus zu entwerfen, der automatisch eine optimale Abfolge von Scanpositionen bestimmt, um eine vollständige Abdeckung des Objekts zu gewährleisten. Dabei sollen Aspekte wie minimale Anzahl an Scans, kurze Bewegungswege und maximale Effizienz berücksichtigt werden. Der entwickelte Algorithmus soll anschließend in der Simulationsumgebung Gazebo umgesetzt, getestet und hinsichtlich seiner Genauigkeit, Vollständigkeit der Erfassung und Effizienz evaluiert werden.

Aufgaben:

• Entwicklung eines Algorithmus zur automatischen Planung optimaler Scanpositionen
• Umsetzung und Test des Algorithmus in der Simulationsumgebung Gazebo
• Evaluation des Algorithmus hinsichtlich Effizienz, Genauigkeit und Vollständigkeit der Erfassung

• Selbstständiges Arbeiten
• Programmierkenntnisse erforderlich
• Sehr gute Deutsch- oder Englischkenntnisse

Die ausgeschriebene Arbeit ist Teil des DFG-geförderten Schwerpunktprogramms SPP 2433, das sich mit Messtechnik auf fliegenden Plattformen beschäftigt. In diesem Kontext entwickeln das match (Institut für Montagetechnik und Industrierobotik) und das imr (Institut für Mess- und Regelungstechnik) gemeinsam ein hochpräzises, mobiles Messsystem mit nahezu endlosem Arbeitsraum. Ziel ist es, mithilfe eines Sensors an einer UAV-Plattform großskalige Industriekomponenten oder Gebäude im Außenbereich zu vermessen. Die Drohne wird dabei von mobilen Robotern unterstützt, die mit einem hochpräzisen Laser-Tracking-System ausgestattet sind. Dieses erlaubt eine exakte Lokalisierung der Drohne im Raum. Durch die präzise Positionierung können die erfassten Einzelmessungen anschließend zu einem hochaufgelösten 3D-Modell zusammengeführt werden.
Im Rahmen dieser studentischen Arbeit sollen verschiedene Lokalisierungsalgorithmen, die in der Drohnentechnik zum Einsatz kommen, untersucht und verglichen werden. Zunächst erfolgt eine umfassende Literaturrecherche zu gängigen Ansätzen der UAV-Lokalisierung, insbesondere im Hinblick auf deren Eignung für den Outdoor-Einsatz. Dabei soll auch die jeweils notwendige Sensorik betrachtet und hinsichtlich ihrer Anforderungen, Einsatzmöglichkeiten und Einschränkungen analysiert werden. Anschließend werden ausgewählte Algorithmen auf Basis der Literatur bewertet und hinsichtlich ihrer Stärken und Schwächen analysiert. Darauf aufbauend sollen vielversprechende Verfahren in der Simulationsumgebung Gazebo implementiert und unter realitätsnahen Bedingungen getestet werden. Ziel ist es, den leistungsfähigsten Algorithmus zu identifizieren und abschließend auf eine reale Drohnenplattform zu übertragen, um dessen Praxistauglichkeit zu validieren.

Aufgaben:

• Analyse bestehender Lokalisierungsalgorithmen für Drohnen
• Evaluierung der Algorithmen anhand definierter Kriterien
• Implementierung besagter Algorithmen in ROS2

• Selbstständiges Arbeiten
• Programmierkenntnisse erforderlich
• Sehr gute Deutsch- oder Englischkenntnisse

Die ausgeschriebene Arbeit ist Teil des DFG-geförderten Schwerpunktprogramms SPP 2433, das sich mit Messtechnik auf fliegenden Plattformen beschäftigt. In diesem Kontext entwickeln das match (Institut für Montagetechnik und Industrierobotik) und das imr (Institut für Mess- und Regelungstechnik) gemeinsam ein hochpräzises, mobiles Messsystem mit nahezu endlosem Arbeitsraum. Ziel ist es, mithilfe eines Sensors an einer UAV-Plattform großskalige Industriekomponenten oder Gebäude im Außenbereich zu vermessen. Die Drohne wird dabei von mobilen Robotern unterstützt, die mit einem hochpräzisen Laser-Tracking-System ausgestattet sind. Dieses erlaubt eine exakte Lokalisierung der Drohne im Raum. Durch die präzise Positionierung können die erfassten Einzelmessungen anschließend zu einem hochaufgelösten 3D-Modell zusammengeführt werden.
Das Ziel der ausgeschriebenen Arbeit ist die Konzeptionierung und Möglichkeit zur Umsetzung einer dynamischen Kabelführung für ein Multi-Roboter-System. Das System soll eine zerstörungsfreie und längenvariable Führung ermöglichen. Während der Bewegung der mobilen Roboter muss das System die Länge des Kabels an die geforderte Vorgabe anpassen.

Aufgaben:

• Entwicklung geeigneter Konzepte für die automatisierte Kabelführung
• Evaluierung der entwickelten Konzepte
• Simulative Überprüfung der Ergebnisse

• Selbstständiges Arbeiten
• Programmierkenntnisse erforderlich
• Sehr gute Deutsch- oder Englischkenntnisse

Im Rahmen des Sonderforschungsbereichs 871: „Regeneration komplexer Investitionsgüter“ werden Strategien entwickelt, lösbare Verbindungen, wie Schraubverbindungen so zu lösen, dass Bauteile nicht beschädigt werden. Gemeinsam mit unserem Kooperationspartner, der MTU Maintenance Hannover GmbH, werden am Beispiel von Flugzeugtriebwerken diese neuartigen Strategien erforscht und ausgearbeitet, um diese in der Realität auszutesten.

In dieser studentischen Arbeit sollen durch den Betrieb der Flugzeugtriebwerke beanspruchte und veränderte Schraubverbindungen analysiert und modelliert werden. Beispielsweise soll die in der Verbindung wirkenden Reibungseffekte genauer untersucht und erweitert werden durch die im Betrieb entstandenen Effekte. 

• Eigenständige & verantwortungsvolle Arbeitsweise

• Zuverlässigkeit

• Freude an wissenschaftlichen Fragestellungen

• Sehr gute Deutsch- / Englischkenntnisse in Wort & Schrift

Ziel der ausgeschriebenen Arbeit ist die Recherche und Entwicklung von Benchmarktests für Slicingalgorithmen in der additiven Fertigung im Bauwesen. Zunächste sollen dazu gängige Benchmarktest herkömmlicher AM-Verfahren recherchiert werden. Im weitern gilt es das Bauteilspektrum der additiven Fertigung im Bauwesen einzugränzen und zu erarbeiten. Nachfolgenden können gängige Benchmarktest hinsichtlich ihrer Tauglichkeit geprüft, erweitert oder verworfen werden.

• Selbstständiges und strukturiertes Arbeiten 
• Sehr gute Deutsch- und Englischkenntnisse

Infos zum Forschungsprojekt:

Additive Manufacturing in Construction (AMC), TRR 277 - Additive Manufacturing in Construction (AMC) TRR277 (amc-trr277.de)

Um bestehenden Defiziten konventioneller Zuführtechnik hinsichtlich Zuführleistung, Zuverlässigkeit und Varientenflexibilität entgegenzuwirken, wurde am Institut für Montagetechnik und Robotik (match) eine bildbasierte Zuführlage entwickelt.Durch die Kombination von Bildverarbeitung mit aerodynamischer Ausrichtung kann die Flexibilität des Zuführsystems deutlich verbessert werden. Hierzu soll in dieser Arbeit ein Digitaler Zwilling des in der Zuführanlage verbauten Düsenmoduls erstellt werden und der austretende Luftstrom simuliert werden. 

Es ergeben sich folgende Arbeitspakete:

•Erstellen eines 3D-Modells der Düse mit Blender oder Autodesk.

•Importieren des Modells in einen Python-kompatiblen Strömungssimulator (z. B. Omniverse Flow oder Pyrosim), um den Luftstrom zu simulieren.

•Simulationen der Interaktion von Luftstrom und Bauteilen und Vergleich mit echter Düse.

•Vorkenntnisse im Umgang mit Python/Blender hilfreich

•B2+ English Sprachkenntnisse hilfreich

•Hohe Motivation und selbstständige Arbeitsweise

Die additive Fertigung im Bauwesen wird am MATCH mittels eines Substituierungsprozesses unter Einsatz von Bauschaum realisiert. Bisher wurde das Mischverhältnis des eingesetzten 2-Komponenten-Bauschaums fest eingestellt. Um das Verhalten von Erstarrungsbeschleunigern im Betondruck besser untersuchen zu können, sollen künftig die beiden Volumenströme getrennt voneinander gesteuert werden.

Zur Erweiterung des bestehenden Parametermodells ist eine Parameterstudie erforderlich, in der die Lagenhöhe und -breite in Abhängigkeit der Volumenströme systematisch erfasst und analysiert werden. Für die Einstellung weiterer Parameter – wie beispielsweise Vorschubgeschwindigkeit und Düsenabstand – steht ein Roboterarm zur Verfügung.

Aufgabenbereich:

• Anschluss des Endeffektors
• Roboterprogrammierung für die gezielte Applikation des Bauschaums
• Auswertung der Messdaten
• Erweiterung des bestehenden Parametermodells

• Selbstständiges und strukturiertes Arbeiten 
• Sehr gute Deutsch- und/oder Englischkenntnisse

Infos zum Forschungsprojekt:

Additive Manufacturing in Construction (AMC), TRR 277 - Additive Manufacturing in Construction (AMC) TRR277 (amc-trr277.de)

Das Lichtbogenauftragschweißen (engl Wire Arc Additive Manufacturing, kurz WAAM) ist ein additives
Fertigungsverfahren und zählt zu den am schnellsten wachsenden Technologien der letzten Jahre Im
Rahmen des Sonderforschungsbereichs/ Transregio 375 „Multifunktionale Hochleistungskomponenten aus
hybriden porösen Werkstoffen“Werkstoffen“(kurz HyPo sollen mithilfe des robotergestützten WAAM Verfahrens
Komponenten hergestellt werden, welche durch modellbasierte Bahnplanung und Regelung der
Prozessparameter die gewünschten Materialeigenschaften aufweisen.

Ziel dieser Arbeit ist eine vereinfachte Modellierung der Schweißraupengeometrie Mithilfe dieses Modells
soll es möglich sein, Abstände zwischen den einzelnen Bahnen und die Geschwindigkeit der Schweißdüse
optimal einstellen zu können Des Weiteren soll die Vereinfachung dazu beitragen, Optimierungsalgorithmen
effizient einbinden zu können.

Die Arbeit umfasst unter anderem:

• Recherche zu bestehenden Modellierungsansätze und Identifikation möglicher Stärken und Schwächen
• Entwicklung und Implementierung eines Schweißraupenmodells in Matlab Python oder C++
• Validierung des Modells anhand von Geometriedaten aus der Literatur

Weiterführende Infos zum Forschungsprojekt sind unter www trrhypo de zu finden

• Selbstständiges und strukturiertes Arbeiten
• Geometrisches Verständnis
• Kenntnisse im Umgang mit Matlab , Python oder

Das Lichtbogenauftragschweißen (engl.: Wire + Arc Additive Manufacturing, kurz WAAM) ist ein additives Fertigungsverfahren und zählt zu den am schnellsten wachsenden Technologien der letzten Jahre. Im Rahmen des Sonderforschungsbereichs/Transregio 375 „Multifunktionale Hochleistungskomponenten aus hybriden porösen Werkstoffen“ (kurz HyPo) sollen mithilfe des robotergestützten WAAM-Verfahrens Komponenten hergestellt werden, welche durch modellbasierte Bahnplanung und Regelung der Prozessparameter die gewünschten Materialeigenschaften aufweisen.

Ziel dieser Arbeit ist die Umsetzung eines oder mehrerer Bahnplanungsalgorithmen. Hierbei soll die Bahnbreite anpassbar sein, wobei zwischen lokaler Änderung und globalem Initialwert unterschieden wird. Mithilfe der veränderlichen Breite soll danach ein Optimierungsalgorithmus entworfen werden.

Die Arbeit umfasst unter anderem:

• Literaturrecherche zu Bahnplanungsalgorithmen für WAAM
• Implementierung eines Bahnplaners
• Durchführung einer übergeordneten Optimierung der Bahnbreite
• Evaluierung der Algorithmen

Weiterführende Infos zum Forschungsprojekt sind unter www.trrhypo.de zu finden.

• Selbstständiges und strukturiertes Arbeiten

• Gute Deutsch- und/oder Englischkenntnisse

• Kenntnisse im Umgang mit Matlab, Python oder C++

Im Rahmen des durch die DFG geförderten Schwerpunktprogramms „Soft Material Robotic Systems“ (SPP2100) werden vom match anwendungsnahe Forschungprojekte im Bereich der Soft Robotics durchgeführt.

In dieser Arbeit soll ein Sensorkonzept entwickelt werden, welches EMG-Messungen und Dehnungsmesswerte aufnehmen kann. Die dafür nötigen EMG-Elektroden und der Dehnungsmesssensor sollen dabei aus dem gleichen Material (bspw. Graphen) gefertigt und in einer weichen Matrix (bspw. Silikon) eingebettet sein. Der Sensor soll so in der Lage sein, die Muskelaktivität und die Muskeldehnung zu messen. Ein solcher Sensor hat viele Anwendungen, beispielsweise in der Rehabilitation oder der Trainingsüberwachung beim Sport. Zu den Aufgaben gehört neben einer umfangreichen Literaturrecherche die Entwicklung von Konzepten fürden Sensor und entsprechende Herstellungsverfahren. Ein besonderes Augenmerk liegt hierbei auf dem Herstellungsprozess und den verwendeten Materialien. Das vielversprechendste Sensorkonzept soll nach Möglichkeit hergestellt und validiert werden.

Eine selbstständige und strukturierte Arbeitsweise sowie Spaß am wissenschaftlichen und besonders auch praktischen Arbeiten sind hierbei Voraussetzung.

• Selbstständiges und strukturiertes Arbeiten
• Handwerkliches Geschick
• Grundlegende Kenntnisse in Materialwissenschaften
• Sehr gute Deutschkenntnisse

Infos zum Forschungsprojekt:

https://www.spp2100.de/

Alle aufgeführten Ausschreibungen für HiWi-Jobs sind aktuell. Wenn Sie sich für ein Thema interessieren, schreiben Sie bitte an die entsprechende Kontaktperson. Wenn Sie ein Forschungsthema oder ein Projekt des match besonders anspricht, für das es keine Ausschreibung gibt, möchten wir Sie ermutigen, uns eine Initiativbewerbung zukommen zu lassen.

Schreiben Sie bitte dazu ein kurzes Anschreiben. Neben einer Selbstvorstellung geben Sie darin eine konkrete Vorstellung davon, wie eine studentische Arbeit thematisch in etwa aussehen könnte. Ihre Bewerbung senden Sie bitte an die entsprechende Kontaktperson, die im jeweiligen Projekt angegeben ist. Im Zweifel können Sie ihre Bewerbung aber auch, unter Nennung des Forschungsthemas, an lehre@match.uni-hannover.de senden.

Im Rahmen des Forschungsbau SCALE beschäftigt sich das match mit der kooperativen Handhabung von Objekten mit Formationen mobiler Roboter. Hierfür sind verschiedene hardwarenahe Arbeiten an mehreren mobilen Robotern erforderlich.

Aufgaben:

• Pflege des bestehenden Codes
• Pflege des GitHub Repositories
• Einrichten von Linux Systemen und Netzwerken
• Implementierung neuer Funktionen auf den mobilen Robotern des Instituts
• Weitere kleine Aufgaben je nach Situation und Vorlieben

Zur Unterstützung dieser Tätigkeiten wird eine studentische Hilfskraft im Umfang von 20-30 Stunden pro Monat gesucht. Es wird eine langfristige Besetzung der Stelle angestrebt.

Kontakt: Recker@match.uni-hannover.de

• Pflicht: Programmiererfahrung in C++ und oder Python

• Erwünscht: Erfahrungen im Umgang mit GitHub

• Optional: Erfahrungen bei der Einrichtung von Linux Systemen

• Pflicht: Erfahrungen im Umgang mit ROS

• Pflicht: Sprachkenntnisse "fließend" oder besser in deutsch und englisch

Der technologische Fortschritt der letzten Jahrzehnte sowie die Forschung im Bereich KI, eröffnen neue Perspektiven für die Automatisierung und Optimierung technischer Systeme mithilfe von maschinellem Lernen. Um den Studierenden der Masterstudiengänge Maschinenbau, Produktion und Logistik und Mechatronik die praxis- und anwendungsnahe Implementierung von Ansätzen des maschinellen Lernens näher zu bringen bietet das match seit dem WiSe 2021/2022 das Masterlabor „Maschinelles Lernen in der Produktionstechnik“ an. Explizit fokussiert sich das Labor auf den Bereich „Computer Vision“ und „Object Detection“.

Für die Betreuung des Labors, sowie für weitere interessante Aufgaben rund um die Veranstaltung benötige ich eine motivierte und selbstständige studentische Hilfskraft (min. 3 Monate à 30 h).

Hauptaufgaben:

• Betreuung der Veranstaltung (10 Termine à 8h über das Semester verteilt; Oktober - Januar):
  Durchführen von Vortestats, Beaufsichtigung der Gruppenarbeit, Unterstützen der Gruppen bei der Programmierung.
• Anpassen/Modifizieren/Erweitern des Python-Programmcodes zur Klassifizierung mittels Neuronaler Netze
• Einbringen und Umsetzung neuer Ideen für die Zukunft des Labors
• Anpassen/Optimieren der Programmiertutorials und -vorlagen

Weitere mögliche Aufgaben:

• Einrichten des Tensorboard Profilers und optimieren des Trainingsablaufs in Tensorflow
• Optimierung und Restrukturierung der Steuerungssoftware in Python
• Setup eines Ubuntu Systems als alternativen Steuerungsrechner
• Entwicklung neuer Lehrkonzepte zur Methodik des maschinellen Lernens

• Arbeitsbeginn August/September; wenn möglich Einarbeitungsphase im Juli
• Python Grundkenntnisse  
  (können auch in einer intensiven Einarbeitungsphase erlernt werden)
• Grundlagenwissen zu Neuronalen Netzen
  (können auch in einer intensiven Einarbeitungsphase erlernt werden)
• Programmierung Neuronaler Netze in Tensorflow
  (können auch in einer intensiven Einarbeitungsphase erlernt werden)
• Gute Deutschkenntnisse sind vorausgesetzt, da eine deutsche Lehrveranstaltung betreut werden soll
• Motivation neue Dinge zu erlernen

Falls du Interesse hast, meldet euch bei mir per E-Mail oder schaut in meinem Büro vorbei.
Kontakt:

Im Rahmen des durch die DFG geförderten Sonderforschungsbereichs „Sauerstofffreie Produktion“ (SFB 1368) werden vom match Grundlagen-untersuchungen im Bereich der klebstoffbasierten Montageprozesse in sauerstofffreier Atmosphäre durchgeführt. Wir suchen engagierte Unterstützung, insbesondere bei der Durchführung von Klebversuchen und der anschließenden Analyse.

Aufgabenbereich:

• Probenvorbereitung und die Durchführung der Klebversuche
• Kontaktwinkelanalyse und Zugprüfversuche sowie Aufbereitung und Auswertung von Messdaten
• Aufbau von Versuchs- und Prüfständen
• (Konstruktions- und) Handwerksarbeiten

Wir freuen uns darauf, eine studentische Hilfskraft – gerne auch aus Fachbereichen außerhalb des Maschinenbaus (Chemie, Nanotechnologie etc.) – in unserem Team willkommen zu heißen. Eine langfristige Zusammenarbeit ist für uns wünschenswert. Wenn du Interesse hast, Teil dieses spannenden Projekts zu werden, freuen wir uns auf deine Bewerbung!

• Spaß an praktischen Arbeiten
• Selbstständiges und strukturiertes Arbeiten
• Sehr gute Deutsch- und Englischkenntnisse

Looking for a flexible job while you study? Join our team!
Are you passionate about robotics and eager to learn something innovative? This is your chance to contribute to the development of soft actuators inspired by origami.

Learn, grow, and be part of a forward-thinking technology project!

Ready to take on the challenge? 🚀

Main tasks:

• Carry out parameterized soft pneumatic actuator designs
• Tests
• Documentation of procedures

Other possible tasks:

• Manufacturing
• Other small tasks depending on the situation.

• On-site work

• Proactive, responsible, motivated to learn new things, problem solving

• Experience with SolidWorks (CAD software)

• Desired: Experience in FEM simulations (ABAQUS software)

• Communication skills such as English, German and/or Spanish

   

If you are interested, please contact me by email.