Ort:  Aachen
Datum:  04.10.2024

Masterarbeit: »Datenbasierte Prozessoptimierung in der Biotechnologie durch Machine Learning«

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist eine der führenden Organisationen für anwendungsorientierte Forschung. Rund 32 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 3,4 Milliarden Euro.  

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 »Bio-Adaptive Produktion« beschäftigen wir uns mit der Automatisierung und Digitalisierung von Produktionsprozessen in den Lebenswissenschaften insbesondere der Herstellung von Zell- und Gentherapien.

 

Steigende Anforderungen an die Ressourceneffizienz in der biopharmazeutischen Prozessentwicklung erfordern die Auslegung und Optimierung von Produktionsprozessen hinsichtlich einer Vielzahl in Konkurrenz stehender Zielgrößen. Methoden des maschinellen Lernens bieten aufgrund ihrer Effizienz und Komplexität aussichtsreiche Alternativen zu den klassischen Methoden der Versuchsplanung. Ziel dieser wissenschaftlichen Abschlussarbeit ist zu untersuchen, wie Methoden des maschinellen Lernens zur multikriteriellen Prozessoptimierung eingesetzt und in Herstellungsprozesse für mRNA-basierte Wirk- und Impfstoffe (s. Forschungsprojekt RNAuto) integriert werden können. 

 

Was Du bei uns tust

  • Durchführung einer systematischen Literaturrecherche (basierend auf der PRISMA-Methode) zur Identifikation von sequenziellen ML-Algorithmen für die optimale Versuchsplanung (z.B. Bayes'sche Optimierung)
  • Training des ML-Algorithmus auf bestehender Datenbasis und gegebenenfalls punktuelle Aufnahme von zusätzlichen Daten
  • Implementierung des ML-Algorithmus (z.B. mittels BoTorch, Ax)
  • Dokumentation und Auswertung der erzielten Ergebnisse

 

Was Du mitbringst

  • Du studierst Maschinenbau, Verfahrenstechnik, Informatik, Biotechnologie oder eine
  • vergleichbare Fachrichtung
  • Begeisterung für innovative Machine Learning Ansätze und die Anwendung in der Biotechnologie
  • Du besitzt erste Erfahrung in der Programmiersprache Python 
  • Eine selbstständige Arbeitsweise und Freude an interdisziplinärer Teamarbeit
  • 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:

Julius Mathews M.Sc.
Wissenschaftlicher Mitarbeiter »Bio-Adaptive Produktion« 
Telefon: +49 241 8904-327    

Fraunhofer-Institut für Produktionstechnologie IPT 

www.ipt.fraunhofer.de 


Kennziffer: 75329                Bewerbungsfrist: 

 


Stellensegment: Biology, Biotech, Training, Web Design, Learning, Science, Education, Creative, Human Resources