Ort:  Aachen
Datum:  07.04.2024

BA/MA: »Bewertung und Priorisierung von Machine Learning Use Cases in der Produktion«

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist die weltweit führende Organisation für anwendungsorientierte Forschung. Rund 30 800 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 3,0 Milliarden Euro.  

Im Zuge der fortschreitenden Digitalisierung der industriellen Produktion haben bereits viele Unternehmen die Grundlagen für eine umfassendere und durchgängige Aufnahme sowie Zugänglichkeit von Daten geschaffen. Als Teilgebiet der künstlichen Intelligenz bietet maschinelles Lernen (ML) die Möglichkeit der automatisierten Analyse dieser Daten. Für einen nachhaltigen Einsatz von maschinellem Lernen in der industriellen Produktion sollten ausschließlich Anwendungsfälle mit einem positiven Verhältnis von Nutzen zu Aufwand in Betracht gezogen werden. In der industriellen Praxis birgt jedoch die Identifikation von solchen Use Cases Herausforderungen, da viele entscheidungsrelevante Informationen erst während einer laufenden Umsetzung aufgenommen werden. Auch eine frühzeitige Bewertung der technischen Machbarkeit gestaltet sich in der Praxis komplex, da häufig die für eine erfolgreiche Implementierung benötigten Daten nicht ausreichend bekannt sind. Um diesen Herausforderungen zu begegnen, soll im Rahmen dieser Abschlussarbeit eine Methodik zur a-priori Bewertung und Priorisierung von Use Cases für maschinelles Lernen in der Produktion entwickelt werden. Hierbei gilt es insbesondere das Nutzenpotenzial, die Umsetzungsaufwände sowie die technische Machbarkeit zu berücksichtigen.

 

Was Du bei uns tust

  • Untersuchung möglicher Nutzenpotenziale und Aufwandstreibern von Machine Learning Use Cases in der industriellen Produktion
  • Ermittlung von Einflussfaktoren auf die technische Machbarkeit von Machine Learning Use Cases
  • Ableitung von anwendungsspezifischen Priorisierungsregeln für die Implementierung

 

Was Du mitbringst

  • Du studierst (Wirtschafts-) Ingenieurwesen, Informatik oder ein vergleichbares Fach
  • Du hast Interesse an technologisch-strategischen Fragestellungen in der Produktion
  • Du begeisterst dich für Trendthemen wie Digitalisierung, Data Science und Künstliche Intelligenz
  • Du bist hoch motiviert und arbeitest gerne eigenverantwortlich
  • Du verfügst über sehr gute Sprachkenntnisse in Deutsch und Englisch

 

Was Du erwarten kannst

  • Wissenschaftliche Bearbeitung eines praxisrelevanten, hochaktuellen und spannenden Themas
  • Umfangreiche und professionelle Betreuung in einer abgegrenzten Aufgabenstellung
  • Zielgerichtete und schnelle Themenbearbeitung
  • Möglichkeit zur Kooperation mit Industrieunternehmen

 

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:
Leonard Cassel M.Sc. M.Sc.
Wissenschaftlicher Mitarbeiter Strategisches Technologiemanagement
Telefon: +49 241 8904-359

Fraunhofer-Institut für Produktionstechnologie IPT 

www.ipt.fraunhofer.de 


Kennziffer: 57178                Bewerbungsfrist: 

 


Stellensegment: Training, Industrial, Learning, Machinist, Education, Human Resources, Manufacturing