Am Fraunhofer IPT in Aachen arbeiten wir mit mehr als 530 Mitarbeitenden täglich daran, dass die Produktion der Zukunft digitaler, flexibler und nachhaltiger wird. In der Abteilung »Produktionsqualität« beschäftigen wir uns mit der daten-getriebenen Optimierung von Produktionsprozessen mithilfe von maschinellem Lernen und künstlicher Intelligenz.

Laserbearbeitungsprozesse ermöglichen extrem präzise und flexible Materialbearbeitungen und sind daher maßgeblich für innovative Technologiefelder wie der Halbleiterfertigung sowie der Mikrosystem- und Medizintechnik. Die Optimierung von Laserbearbeitungsprozessen wird aufgrund von steigenden Anforderungen an die Leistungsfähigkeit, Präzision, Qualität und Nachhaltigkeit zunehmend bedeutsamer, aber auch komplexer. Die Bayes’sche Optimierung (BO) – eine spezielle Methode des maschinellen Lernens – stellt aufgrund ihrer adaptiven Entscheidungsfindung und Dateneffizienz eine aussichtsreiche Alternative zu klassischen Methoden der Prozessoptimierung dar. In dieser Arbeit soll ein BO-Algorithmus für die Optimierung von Laserbearbeitungsprozessen entwickelt und im Rahmen einer Machbarkeitsstudie angewendet und getestet werden. Dadurch soll die industrielle Reife von BO bestimmt und untersucht werden, wie sich diese hinsichtlich einer Etablierung in der produktionstechnischen Praxis zukünftig steigern lässt.

Was Du bei uns tust

• Literaturrecherche zur Bayes‘schen Optimierung in Laserbearbeitungsprozessen
• Prozessaufnahme und Anforderungsanalyse in enger Zusammenarbeit mit Experten für die Laserbearbeitung
• Entwicklung und Implementierung eines BO-Algorithmus zur effizienten Findung von optimalen Prozessparametern für Laserbearbeitungsprozesse
• Durchführung von Experimenten auf synthetischen Optimierungsproblemen 
• Verifizierung und Validierung des Algorithmus am realen Prozess
• Dokumentation der Ergebnisse und Verschriftlichung der wissenschaftlichen Arbeit

Was Du mitbringst

• Du studierst Maschinenbau, Automatisierungstechnik, Informatik, Mathematik oder ein vergleichbares Fach
• Du interessierst dich für den Einsatz von künstlicher Intelligenz in der Produktionstechnik 
• Du bist optimalerweise mit der Theorie und den Ansätzen des maschinellen Lernens bereits vertraut und möchtest dich in dem Themenfeld spezialisieren
• Fortgeschrittene Programmiererfahrung in Python und zugehörigen Bibliotheken (pandas, numpy, PyTorch) wünschenswert
• Ein hohes Maß an Motivation, Lernbereitschaft und Selbstständigkeit
• Gute Sprachkenntnisse in Deutsch und/oder Englisch

Was Du erwarten kannst

• Wissenschaftliche Bearbeitung eines aktuellen und praxisrelevanten Themas
• Eine professionelle Betreuung und fachliche Unterstützung bei der Erstellung deiner Abschlussarbeit
• Mitwirkung in innovativen Forschungs- und Entwicklungsprojekten mit namhaften Industriepartnern
• Ein hochmoderner Maschinenpark, ausgestattet mit Edge-Cloud-Systemen und einer 5G-Infrastruktur

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft. 

Haben wir Dein Interesse geweckt? Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Dich kennenzulernen! 

Fragen zu dieser Abschlussarbeit beantwortet Dir gerne:

Lars Leyendecker M.Sc.
Gruppenleiter »Produktionsqualität«
Telefon: +49 241 8904-314    

Fraunhofer-Institut für Produktionstechnologie IPT

Kennziffer: 75788                Bewerbungsfrist: