Ort:  Duisburg
Datum:  17.09.2023

Abschlussarbeit zum Thema: "Machine Learning für Industrie 4.0"

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist die weltweit führende Organisation für anwendungsorientierte Forschung. Rund 30 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 2,9 Milliarden Euro.  

Die fortschreitende Entwicklung des Internet der Dinge (Internet of Things, IoT) ermöglicht auch im Bereich der industriellen Produktion die Erfassung großer Datenmengen. Mithilfe von Modellen und Verfahren des maschinellen Lernens (ML) kann daraus höherwertiges Wissen über die Prozesse extrahiert und eine flexible Prozessanpassung bzw. -optimierung erzielt werden. Bei der Umsetzung ergeben sich allerdings einige Herausforderungen: Um das hohe Datenaufkommen beherrschen zu können, ist eine Datenverarbeitung nah an der Applikation (Edge Computing) unter dem Einsatz eingebetteter Systeme unerlässlich. Aufgrund schnell wechselnder Anforderungen und Einflüsse im Kontext von Industrie 4.0 werden zudem adaptive ML-Verfahren benötigt, die sich selbstständig an Zielsysteme wie z.B. CNC-Maschinen anpassen. Im Rahmen Ihrer Abschlussarbeit finden Sie innovative Lösungen, die zu einer effizienten und intelligenten Produktion der Zukunft beitragen.
 

Was Sie bei uns tun

Im Rahmen Ihrer Abschlussarbeit finden Sie innovative Lösungen, die zu einer effizienten und intelligenten Produktion der Zukunft beitragen.
 

Mögliche Themengebiete:

  • Adaptive und automatisierte Machine bzw. Deep Learning-basierte Verfahren für Prognose- und Optimierungsaufgaben im Kontext von Industrie 4.0 
  • Optimierung der ML-Verfahren für Embedded Computing (System-on-Chips, FPGA, etc.)
  • Entwicklung und Demonstration von IoT-Gesamtsystemen zur Anwendung der ML-Verfahren, ggf. mit Fokus auf Industrie 4.0-Kommunikationstechnologien (OPC-UA, IO-Link Wireless, etc.)
     

 

Was Sie mitbringen

  • Studium der Elektrotechnik, Informatik, Physik oder eines technisch-naturwissenschaftlichen Studiengangs
  • Gute bis sehr gute Studienleistungen
  • Gute Programmierkenntnisse (vorzugsweise C/C++ oder Python)
  • Erste Erfahrungen in den Bereichen Machine/Deep Learning und/oder Embedded Systems
  • Bei Interesse für hardwarenahe Themen sind erste Erfahrungen im Bereich der digitalen Hardwareentwicklung für FPGA (VHDL/Verilog/HLS) von Vorteil
  • Eine ergebnisorientierte, systematische und eigenständige Arbeitsweise sowie ein hohes Maß an Kommunikations- und Teamfähigkeit
     

 

Was Sie erwarten können

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. 

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.

Die wöchentliche Arbeitszeit beträgt 39 Stunden. 

 

Haben wir Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen! Bewerbungen per E-Mail oder Post können wir leider nicht berücksichtigen.

Bitte übermitteln Sie Ihre vollständigen Bewerbungsunterlagen (Motivationsschreiben, chronologischer Lebenslauf, aktueller Notenspiegel im Studium, Arbeitszeugnisse bisheriger beruflicher Erfahrungen/ Praktika).

Fragen zu dieser Position beantwortet gerne Frau Irini Tsiftsi,
Telefon +49 203 3783-268, E-Mail: personal@ims.fraunhofer.de

Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme IMS 

www.ims.fraunhofer.de 


Kennziffer: 16723                Bewerbungsfrist: 

 


Stellensegment: CNC, Training, Telecom, Telecommunications, Network, Manufacturing, Education, Technology