About this role
Summary: Conduct a master's thesis on Physics-Informed Machine Learning for monitoring cableway supports. Develop hybrid models integrating domain physics with neural networks, validate against real field data, and optimize for microcontroller deployment.
Ausschreibung für die Fachrichtungen wie z. B.: Automatisierungstechnik, Informatik, Kybernetik, Luft- und Raumfahrttechnik, Maschinenbau, Mechatronik, Physik, technische Informatik oder vergleichbare.
Seilbahnen sind im alpinen und urbanen Raum extremen dynamischen Belastungen und wechselnden Witterungsbedingungen ausgesetzt. Um die Sicherheit zu erhöhen und teure Ausfälle, etwa durch frühzeitige Lagerschäden, zu vermeiden, gewinnt die kontinuierliche Zustandsüberwachung (Condition Monitoring) zunehmend an Bedeutung. In einem Forschungsprojekt entwicklen wir gemeinsam mit zwei Industriepartnern eine KI-gestützte Lösung zur Überwachung von Seilbahnanlagen. Als kostengünstiger und robuster Sensor dient dabei eine kraftmessende Unterlegscheibe, deren Daten direkt vor Ort auf energiesparenden Mikrocontrollern (Edge AI) ausgewertet werden, um Betriebsgrößen wie Windlast, Kabinenzuladung, Geschwindigkeit, Vorspannkraft und Lagerzustand präzise zu schätzen.
Eine zentrale Herausforderung beim Einsatz von Künstlicher Intelligenz in realen Industrieanlagen ist die Knappheit an gelabelten Trainingsdaten für sämtliche Betriebszustände. Im Rahmen Ihrer Abschlussarbeit untersuchen Sie daher, wie sich bekanntes domänenspezifisches Physikwissen am wirksamsten in datengetriebene Lernmodelle integrieren lässt (Physics-Informed Machine Learning). Dabei betrachten Sie die Seilstatik nicht als isolierte Simulation, sondern als direkt integrierten Baustein eines hybriden Lernmodells. Ziel Ihrer Arbeit ist es, verschiedene Ansätze der Physikeinbindung systematisch zu vergleichen, mit realen Felddaten zu validieren und den Transfer von der Simulation auf reale Sensordaten unterschiedlicher Stützen sowie die Ausführbarkeit auf einem Mikrocontroller zu erproben.
Hier sorgen Sie für Veränderung
- Modellierung: Aufbau eines differenzierbaren Physikmodells der Seilbahnstütze in PyTorch (Seilstatik, Einflusslinie, Windlast), dessen Parameter direkt aus Messdaten gelernt werden können
- Konzeption: Entwicklung hybrider Architekturen aus Physikmodell und neuronalem Netz sowie Vergleich mit rein physikalischen Simulationen (z.B. MATLAB) und rein datengetriebenen Ansätzen
- Analyse: Systematische Bewertung verschiedener Formen der Physikeinbindung (physikbasierte Merkmale, synthetisches Pretraining, integrierte Physikschichten, Physik-Terme in der Loss-Funktion)
- Validierung: Erprobung der Modelle anhand realer Felddaten einer Seilbahn-Testanlage und Untersuchung der Übertragbarkeit (Transfer Learning) auf weitere Stützen
- Integration: Prüfung der Ressourceneffizienz und Implementierbarkeit des besten Modells auf einem energiesparenden STM32-Mikrocontroller
Hiermit bringen Sie sich ein
- Gültige Immatrikulation im Masterstudium der Fachrichtung Maschinenbau, Mechatronik, Informatik, Physik oder eines vergleichbaren Studiengangs innerhalb Deutschlands/der EU
- Praktische Erfahrung im Bereich Machine Learning mit Python, idealerweise erste Kenntnisse in PyTorch (Erfahrung mit MATLAB von Vorteil)
- Gutes Grundverständnis der Technischen Mechanik (insbesondere Statik) sowie Begeisterung für die Schnittstelle von Physik und KI (Physics-Informed ML)
- Strukturierte und eigenständige Arbeitsweise sowie gute Deutsch- oder Englischkenntnisse
Was wir für Sie bereithalten
- Vielseitige Aufgaben in der angewandten Forschung mit direktem Zugriff auf reale Langzeit-Felddaten einer Seilbahn-Testanlage
- Moderne Ausstattung inklusive leistungsstarker GPU-Workstation und Mikrocontroller-Boards
- Aktive Mitarbeit im laufenden Forschungsprojekt
- Enge fachliche Betreuung durch wissenschaftliche Mitarbeitende mit dem Ziel einer gemeinsamen wissenschaftlichen Veröffentlichung
- Freundliches und engagiertes Team
Die Vergütung erfolgt je nach Qualifikation.
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. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber\*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.
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.
Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.
Frau Jennifer Leppich
Recruiting
+49 711 970-1415
[jennifer.leppich@ipa.fraunhofer.de](mailto:lisa.bauer@ipa.fraunhofer.de)
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
<a href="http://www.ipa.fraunhofer.de<input id="tor\_\_fcustInstituteLinkRMK" type='hidden' value='27317' >" target="\_blank" rel="noopener">www.ipa.fraunhofer.de
Kennziffer: 86143 Bewerbungsfrist:
[In der ausgewählten Sprache nicht übersetzt]