Index

Ausgangssituation:

Beim induktiven Kompaktieren primärisolierter Hochfrequenzlitzen (HF-Litzen) werden während des Prozesses umfangreiche Maschinen- und Induktionssystemdaten erfasst. Diese Daten enthalten potenziell die Information, mit der die resultierende Verbindungsqualität bereits während des Prozesses prädiziert werden kann, was eine Grundvoraussetzung für eine spätere Inline-Qualitätsüberwachung im industriellen Kontext darstellt.

Aus mehreren bereits abgeschlossenen Versuchsreihen am Lehrstuhl liegt ein umfangreicher Datenpool vor, dessen systematische Konsolidierung und Modellierung jedoch noch aussteht. Ziel der Arbeit ist es, aus diesen Bestandsdaten ein datenbasiertes Prozessmodell abzuleiten, das die Korrelation zwischen Prozesssignalen und Verbindungsqualität herstellt und damit die Basis für eine prozessbegleitende Qualitätsüberwachung schafft.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche
  • Methoden der datenbasierten Prozessmodellierung in der Fügetechnik
  • Signalbasierte Qualitätsprädiktion bei Fügeprozessen
• Datenkonsolidierung
  • Sichtung und Vereinheitlichung der bestehenden Maschinen- und Induktionssystemdaten aus mehreren Versuchsreihen
  • Bewertung der Datenqualität, Identifikation von Lücken und Inkonsistenzen
• Feature-Engineering und Modellentwicklung
  • Extraktion prozessrelevanter Merkmale aus Kraft-Weg-Verläufen, Generatorleistungsdaten und Pyrometriesignalen
  • Aufstellung statistischer und maschineller Lernmodelle zur Prädiktion von Kompaktierungsgrad, elektrischem Widerstand und Fehlprobenrate
• Validierung
  • Bewertung der Modellgüte mittels Kreuzvalidierung und Hold-out-Analysen
  • Identifikation der prädiktivsten Prozessmerkmale (Feature Importance)
• Bewertung & Dokumentation
  • Erarbeitung eines Konzepts zur Inline-Anwendbarkeit der entwickelten Modelle
  • Formulierung von Empfehlungen für eine spätere prozessbegleitende Qualitätsüberwachung

Voraussetzungen zur Bewerbung:

• Studiengang: Studium des Maschinenbaus, der Mechatronik, der Elektrotechnik, des Wirtschaftsingenieurwesens, IPEM, oder eines vergleichbaren technischen Studiengangs
• Fachkenntnisse: Sichere Programmierkenntnisse in Python; Grundlagen in Statistik und Datenanalyse; idealerweise erste Erfahrungen mit maschinellen Lernverfahren
• Arbeitsweise: Strukturierte, analytische und eigenständige Arbeitsweise; Bereitschaft, sich in domänenspezifische Prozessdaten und produktionstechnische Zusammenhänge einzuarbeiten
• Sprachkenntnisse: Gute Deutsch- oder Englischkenntnisse in Wort und Schrift

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an: miriam.eichinger@faps.fau.de

Ausgangssituation:

Das induktive Kompaktieren ist ein vielversprechendes Verfahren zur direkten, kontaktelementfreien Verbindung primärisolierter Hochfrequenzlitzen (HF-Litzen) für Anwendungen wie induktive Ladepads und elektrische Antriebe. Durch das Zusammenspiel aus induktiver Werkzeugerwärmung und mechanischem Verpressen wird die Litze form- und teilweise stoffschlüssig kompaktiert und dabei zugleich die Primärisolation thermisch entfernt.

Während für Prozess für Kupferlitzen bereits ein erster Proof-of-Concept vorliegt, treten bei Aluminiumlitzen werkzeugseitige Herausforderungen auf, insbesondere starke Adhäsionseffekte am Werkzeug, ungleichmäßige Gratbildung und eine erhöhte Fehlprobenrate. Erste Untersuchungen am Lehrstuhl haben gezeigt, dass alternative Werkzeuggeometrien sowie Hartstoffbeschichtungen für Kupferlitzen deutliche Prozessverbesserungen bewirken. Die Übertragung dieser Erkenntnisse auf Aluminium und die Ableitung einer robusten Prozessauslegung für Al-HF-Litzen stehen aus.

Der Umfang der Arbeit umfasst dabei folgende Arbeitsinhalte:

• Literaturrecherche
  • Werkzeugbeschichtungen für Umform- und Fügeprozesse mit Aluminium
  • Stand der Forschung zum Kontaktieren von HF-Litzen
• Versuchsplanung
  • Konzeption einer Versuchsmatrix für alternative Werkzeuggeometrien und Hartstoffbeschichtungen
  • Festlegung des Parameterraums und der Bewertungskriterien
• Versuchsdurchführung
  • Systematische Kompaktierversuche an Aluminium-HF-Litze am bestehenden Versuchsstand
  • Metallographische Probenpräparation und Dokumentation des Werkzeugzustands
• Auswertung
  • Quantifizierung von Kompaktierungsgrad, elektrischem Widerstand und Fehlprobenrate mittels Lichtmikroskopie, 3D-Laserscanning-Mikroskopie und Vierleitermessung
  • Statistische Auswertung der Versuchsergebnisse
• Bewertung & Dokumentation
  • Vergleichende Bewertung der untersuchten Werkzeugkombinationen
  • Ableitung einer Best-Practice-Empfehlung für die weiterführende Verfahrensentwicklung

Voraussetzungen zur Bewerbung:

• Studiengang: Studium des Maschinenbaus, der Mechatronik, des Wirtschaftsingenieurwesens, IPEM oder eines vergleichbaren technischen Studiengangs
• Fachkenntnisse: Grundkenntnisse in Werkstoffkunde und Fertigungstechnik; Interesse an experimenteller Laborarbeit und metallographischer Probenpräparation
• Arbeitsweise: Strukturierte, sorgfältige und eigenständige Arbeitsweise; Bereitschaft, sich in metallographische Probenpräparations- und Auswertungsmethoden einzuarbeiten
• Sprachkenntnisse: Gute Deutschkenntnisse in Wort und Schrift

Bewerbungen mit Lebenslauf und aktuellem Notenspiegel bitte per E-Mail an: miriam.eichinger@faps.fau.de

Hintergrund
Die Fertigung elektrischer Antriebe, wie etwa Hairpin-, Continuous-Hairpin- oder Axialflussmaschinen, erfordert eine präzise Kontrolle von Material und Prozess. Ein zentraler Schritt ist das Richten von Flachdraht, das bislang auf festen Parametern und Erfahrungswissen basiert. Dabei werden Schwankungen im Material nur unzureichend berücksichtigt. Das Ziel besteht darin, diesen Prozess mithilfe moderner Sensorik, Messtechnik und innovativer Regelungsansätze weiterzuentwickeln, um die Produktionsqualität effizient zu steigern.

 

Mögliche Aufgabenstellungen
Studentische Arbeiten können zu einem der folgenden Themen erarbeitet werden:

• Integration eines Interferometers zur Isolationsschichtdickenmessung
• Modellierung und Simulation des Richtprozesses
• Weiterentwicklung einer flexiblen, mechanischen Abisolierstation für Flachdraht
• SPS-Programmierung einer Schwenkbiege-Anlage zum 2D-Biegen von Flachdraht

Die detaillierten Inhalte und Aufgabenstellungen werden in einem persönlichen Gespräch besprochen.

 

Anforderungsprofil

• Interesse an der Produktion elektrischer Traktionsantriebe
• Je nach Themengebiet sind Grundkenntnisse in Konstruktion, Messtechnik, Programmierung, Datenanalyse (KI/ML) oder Regelungstechnik erforderlich.
• Freude an praktischer Arbeit (Versuchsreihen, Messtechnik, Anlagenaufbau)
• Analytisches, strukturiertes und selbstständiges Arbeiten
• Teamfähigkeit und Kommunikationsstärke
• Gute Deutsch- und Englischkenntnisse in Wort und Schrift

 

Bewerbung
Bitte senden Sie Ihre Bewerbung mit

• Lebenslauf
• Aktuellem Notenspiegel
• Angabe der bevorzugten Aufgabenstellung

per E-Mail an anja.preitschaft@faps.fau.de

Wichtig: Bewerbungen ohne konkrete Nennung eines Themenbereichs können leider nicht bearbeitet werden.

Motivation
Sehnengetriebene Aktuationssysteme sind ein zentraler Ansatz moderner Robotik, insbesondere für humanoide und leichte, energieeffiziente Systeme. Durch die Entkopplung von Aktuator und bewegter Struktur lassen sich Massen reduzieren und komplexe Bewegungen realisieren. Für Entwicklung, Auslegung und spätere Steuerung solcher Systeme sind realitätsnahe Simulationen essenziell.
Unterschiedliche physikalische Modellierungsansätze für Seil- und Sehnenstrukturen (z. B. vereinfachte oder kontinuierliche Modelle) unterscheiden sich jedoch stark hinsichtlich Genauigkeit, Stabilität und Rechenaufwand. Diese Unterschiede wirken sich direkt auf die Nutzbarkeit in simulationsbasierten Entwicklungsprozessen und insbesondere auf Reinforcement-Learning-Anwendungen in NVIDIA Isaac Sim / Isaac Lab aus.

Ziel der Arbeit
Ziel der Arbeit ist die systematische Untersuchung und prototypische Implementierung ausgewählter Simulationsmethoden für Seil- und Sehnenstrukturen. Im Fokus steht die Frage, wie unterschiedliche physikalische Modellierungen praktisch umgesetzt werden können und welchen Einfluss sie auf das Verhalten der Simulation sowie auf die Trainingsstabilität und Performance von RL-Algorithmen haben.
Die Ergebnisse sollen vergleichbar aufbereitet und hinsichtlich ihrer Eignung für robotische Anwendungen bewertet werden.

Schwerpunkte

• Simulationsmethoden & Implementierung in Isaac Sim / Isaac Lab
• Vergleich & RL-basierte Bewertung

Weitere Informationen
Infos auf Anfrage. Bewerbung per E-Mail mit Lebenslauf und Notenübersicht.

Die Auslegung von Toroidalmagnetfeldern ist eine zentrale Grundlage für zahlreiche Anwendungen in der Energietechnik und Magnetentwicklung, insbesondere im Umfeld supraleitender Systeme und zukünftiger Fusionsanlagen. Dabei müssen Feldverteilungen, Geometrieeinflüsse, Randbedingungen und Auslegungsparameter in geeigneten Simulationsumgebungen zuverlässig abgebildet und bewertet werden. Insbesondere bei komplexen Spulengeometrien, gekrümmten Leiterverläufen und hohen Anforderungen an Feldqualität, Nachvollziehbarkeit und Modellgüte sind systematische Analyse und Validierung der verwendeten Simulationswerkzeuge von großer Bedeutung. Ziel dieser Arbeit ist die Analyse bestehender Simulationsumgebungen zur Auslegung von Toroidalmagnetfeldern. Der Fokus liegt auf dem strukturierten Verständnis der zugrunde liegenden Modelle, der Bewertung von Parametereinfluss und Aussagekraft sowie der Untersuchung der Eignung der Umgebung für die magnetische Auslegung und den späteren Einsatz im Forschungskontext.

Aufgabenstellung

• Einarbeitung in die bestehenden Simulationsumgebungen, die physikalischen Grundlagen von Toroidalmagnetfeldern und die relevanten Randbedingungen der magnetischen Auslegung
• Analyse des Aufbaus der Simulationsumgebung hinsichtlich Modellstruktur, Eingangsgrößen, Randbedingungen und Ergebnisdarstellung
• Untersuchung der zugrunde liegenden Annahmen, Vereinfachungen und Grenzen der verwendeten Modellierung
• Durchführung systematischer Simulationsstudien zur Bewertung des Einflusses wesentlicher Auslegungsparameter auf Feldverteilung und Feldcharakteristik
• Analyse der Sensitivität gegenüber geometrischen, elektrischen und magnetischen Eingangsgrößen
• Bewertung der Aussagekraft und Plausibilität der Simulationsergebnisse anhand physikalischer Zusammenhänge und gegebenenfalls verfügbarer Referenzdaten
• Identifikation möglicher Schwachstellen, Unsicherheiten oder Verbesserungspotenziale innerhalb der Simulationsumgebung
• Erarbeitung von Ansätzen zur strukturierten Nutzung, Erweiterung oder methodischen Verbesserung der Umgebung für zukünftige Auslegungsaufgaben
• Dokumentation der Ergebnisse sowie Aufbereitung der gewonnenen Erkenntnisse für die weitere Nutzung im Team

Anforderungen

• Gute Kenntnisse in Elektrotechnik, Mechatronik, Physik, Maschinenbau oder einem verwandten technischen Bereich
• Interesse an elektromagnetischen Fragestellungen, numerischer Simulation und physikalischer Modellbildung
• Grundkenntnisse in mathematischer Modellierung und technischer Auswertung
• Sehr gute Programmierkenntnisse, idealerweise in Python, C++, Matlab oder einer vergleichbaren Umgebung
• Erfahrungen mit Simulationstools oder elektromagnetischen Berechnungen
• Strukturierte, eigenständige und sorgfältige Arbeitsweise sowie Teamfähigkeit
• Sehr gute Deutsch und/oder Englischkenntnisse in Wort und Schrift

Weitere Informationen

Weitere Informationen und Details sind bei den genannten Mitarbeitern erhältlich. Eine Bearbeitung ist ab sofort möglich. Bewerbungen senden Sie bitte mit aktuellem Notenauszug, relevanten Zeugnissen, Sprach Level Nachweis bei nicht muttersprachlichem Deutsch oder Englisch sowie Lebenslauf per E Mail. Ich werde mich zeitnah rückmelden.

Der Einsatz von Edge Computing gewinnt in vielen Bereichen an Bedeutung, da er die Datenverarbeitung näher an den Ort der Datenentstehung verlagert und damit Latenzen, Bandbreitenbedarf sowie Abhängigkeiten von Cloud-Verbindungen reduziert. Gleichzeitig steigen die Anforderungen an Automatisierung, Lifecycle Management und Fleet Operations, weil Edge-Knoten oft heterogen sind, in instabilen Netzen laufen und nur eingeschränkt an verteilten Ort gewartet werden können.

Ziel dieser studentischen Arbeit ist der Aufbau und die prototypische Evaluation einer self-managed Edge-Kubernetes-Referenzarchitektur (hub-and-spoke), die zunächst virtuelle Edge Devices (VMs auf Proxmox VE und/oder OpenStack) nutzt und später auf dedizierte Hardware übertragbar ist. Im Fokus steht eine reproduzierbare Day-0 Provisioning Pipeline via (i)PXE boot sowie first-boot configuration mit cloud-init und Ignition/Combustion (optional unter Nutzung von Matchbox). Darauf aufbauend sollen mehrere Linux- und Kubernetes-Cluster-Varianten automatisiert gestartet und zentral mit GitOps sowie Fleet-style Multi-Cluster Rollout verwaltet werden.

(Mögliche) Schwerpunkte der Arbeit:

• Design & Implementierung einer hub-and-spoke Referenzarchitektur für self-managed Edge Kubernetes (Management Cluster + Edge Spokes).
• Provisioning Pipeline: Klassisches (i)PXE, darauf aufbauendes Netboot mittels HTTPBoot via UEFI or U-Boot oder je nach BMC auch IPMI/Redfish, Profilverwaltung (optional Matchbox) und Konfiguration via Ignition/Combustion/cloud-init. Parallel dazu Lifecycle Management mittels Cluster API und entsprechendem Provider (z.B. CAPM3 (Metal³ im Falle OpenStack Ironic) oder CAPT (Tinkerbell im Falle von einfachem iPXE/Netboot))
• Definition von stabilen Cluster-Profilen (z.B. Talos Linux, openSUSE Leap Micro + k3s, Ubuntu + MicroK8s oder Debian + k0s) inkl. automatisiertem Bootstrap und Re-Provisioning (replaceable nodes).
• GitOps-gestützte Baseline: Standardisierte Installation von Add-ons (z. B. Longhorn, Ingress, Observability) über Argo CD oder Flux.
• Persistence & Registry Integration: Longhorn als persistence storage, Deployment-Pipeline über GitLab CI/CD, GitLab Container Registry, Harbor als Proxy Cache und Replication Bridge / Pull-Through Cache (ggf. zunächst lediglich GitLab Dependency Proxy für Docker Hub) und optional K3s Spegel.
• Dokumentation & Demonstrator: Nachvollziehbare Architektur-/Betriebsdokumentation, IaC/Automation in einem Git-Repository sowie eine Demo-Umgebung als Testbed für Forschung/Lehre.

Ausblick auf darauf aubauende Arbeiten:

• Erweiterung des Lifecycle Managements um Foreman und Katello.
• Fleet-style Multi-Cluster Rollout: Vergleich und Bewertung von Rancher Fleet, Argo CD ApplicationSet und Flux (optional Open Cluster Management (OCM) / Karmada) anhand definierter Kriterien (Drift, Skalierbarkeit, Multi-tenancy, Offline-Toleranz, Usability usw.).
• Integration und Reifegradbewertung von KubeEdge/OpenYurt oder LF Edge Komponenten (FIDO Device Onboard, EVE-OS, EdgeX Foundry) im Rahmen der bestehenden Architektur.

Wenn die ausgeschriebene Arbeit noch online ist, dann ist sie auch noch aktuell. Sollten Sie Interesse an der Arbeit haben, so kommen Sie bitte mittels einer E-Mail (in der Sie kurz Ihr Vorwissen darstellen) auf mich zu. Sollten Sie eine intrinsische Motivation für ein angrenzendes oder ähnlichen Thema haben, so stellen Sie in Ihrer Anfrage bitte den Bezug zu meiner Ausschreibung dar.

Bitte stellen Sie die komplette Anfrage in deutscher Sprache, auch wenn Sie die Ausarbeitung in Englisch verfassen werden. Hintergrund ist, dass Sie sich in laufende Forschungsprojekte einbringen mit den Unternehmen austauschen können sollen und von diesen wird mehrheitlich eine Kommunikation auf Deutsch gewünscht.

Weitere Informationen erhalten Sie auf Anfrage, der Arbeitsumfang kann entsprechend der Arbeit angepasst werden und die Bearbeitung weitestgehend im Home-Office stattfinden.

Der Einsatz von Edge Computing gewinnt in vielen Bereichen an Bedeutung, da er die Datenverarbeitung näher an den Ort der Datenentstehung verlagert und damit Latenzen, Bandbreitenbedarf sowie Abhängigkeiten von Cloud-Verbindungen reduziert. Ein Mixed-SBC-Cluster, der verschiedene Single Board Computer (SBC) wie Nvidia Jetson, Raspberry Pi und verschiedene Hardwareerweiterungen umfasst, bietet eine ausgezeichnete Plattform, um die Herausforderungen und Möglichkeiten des Edge Computings zu erproben und zu demonstrieren.

Ziel ist die Entwicklung eines Mixed-SBC-Clusters für die Edge, der als experimentelle Plattform in industrienaher Forschung und für Lehrzwecke im Automatisierungsumfeld dient. Dieser Cluster soll die Heterogenität realer OT-Infrastrukturen bedienen und das Sammeln praktischer Erfahrungen mit Cluster-Management, verteilten Speichersystemen und der Integration von Erweiterungsmodulen (z.B. Funkmodul, Neural Processing Unit und Field Programmable Gate Array) eröffnen.

(Mögliche) Schwerpunkte der Arbeit:

• Aufbau und Konfiguration eines heterogenen SBC-Clusters für Edge Computing Szenarien.
• Einsatz eines Cluster-Management-Systems und Implementierung eines Service Mesh.
• Einsatz von Automatisierungswerkzeugen und Infrastruktur-as-Code (IaC) zur effizienten Verwaltung und Konfiguration.
• Implementierung eines Lifecycle-Managements des Betriebs bestehend aus Monitoring, Sicherung, Wartung und Aktualisierung.
• Integration von Storage-Lösungen und spezifischen Erweiterungsmodulen für verschiedene Anwendungsfälle.
• Integration in Anwendungsfälle der Automatisierungstechnik in industriellen Produktionsanlagen, der Gebäudeautomatisierung und insbesondere des Energiemanagements.
• Beitrag zum Transfer in die Lehre als Praktikumsversuch oder Übungseinheit

Wenn die ausgeschriebene Arbeit noch online ist, dann ist sie auch noch aktuell. Sollten Sie Interesse an der Arbeit haben, so kommen Sie bitte mittels einer E-Mail (in der Sie kurz Ihr Vorwissen darstellen) auf mich zu. Sollten Sie eine intrinsische Motivation für ein angrenzendes oder ähnlichen Thema haben, so stellen Sie in Ihrer Anfrage bitte den Bezug zu meiner Ausschreibung dar.

Bitte stellen Sie die komplette Anfrage in deutscher Sprache, auch wenn Sie die Ausarbeitung in Englisch verfassen werden. Hintergrund ist, dass Sie sich in laufende Forschungsprojekte einbringen mit den Unternehmen austauschen können sollen und von diesen wird mehrheitlich eine Kommunikation auf Deutsch gewünscht.

Weitere Informationen erhalten Sie auf Anfrage, der Arbeitsumfang kann entsprechend der Arbeit angepasst werden und die Bearbeitung weitestgehend im Home-Office stattfinden.

Kontext und Motivation

Service-Exzellenz ist einer der letzten verbleibenden Wettberwerbsvorteile deutscher Hidden Champions aus dem mittelständischen Maschinen- und Anlagenbau, um sich im Umfeld eines zunehmenden internationalen Preisdrucks zu behaupten. Doch der Fachkräftemangel einerseits und der  drohende Wissensabfluss durch den bevorstehenden Renteneintritt maßgeblicher Service-Experten der Babyboomer-Generation andererseits gefährden diesen Vorsprung.
Generative KI verspricht hier Abhilfe zu schaffen: Durch die automatisierte Bearbeitung insbesondere einfacher technischer Kundenanfragen auf Basis des aktuell noch meist implizit vorliegenden Wissenschatzes der Unternehmen soll technischer Kundenservice durch Entlastung und gezielten Einsatz der verbleibenden Experten skalierbar gemacht werden.

Eine Herausforderung hierbei ist, dass etablierte Vorgehensmodelle für KI-Projekte wie etwa CRISP-DM aus einer Zeit von strukturierten Tabellendaten und prädiktiven Modellen stammen (Narrow AI). Es stellt sich daher die Frage in wie weit solch klassische Vorgehensmodelle für die Umsetzung LLM-basierter Anwendungen valide bleiben beziehungsweise welche Anpassungen für eine Erfolgreiche Umsetzung LLM-basierter Anwendungen nötig sind.

Ziel der Arbeit

Im Rahmen dieser Arbeit soll eine Systematic Literature Review (SLR) durchgeführt werden, um zu untersuchen, wie sich die Phasen des CRISP-DM-Modells für LLM-Projekte im industriellen Service-Kontext bereits verändert haben beziehungsweise verändern müssen.

Mögliche Schwerpunkte

Die Ausschreibung ist so konzipiert, dass verschiedene Studierende jeweils einzelne Phasen des CRISP-DM tiefgreifend analysieren können. Die Phasen des CRISP-DM:

1. Business Understanding
2. Data Understanding
3. Data preparation
4. Modeling
5. Evaluation
6. Deployment

Je nach Schwerpunkt der Arbeit werden initial zu unteruschende Forschungs- beziehungsweise Leitfragen definiert.

Aufgabeninhalte

• Durchführung einer strukturierten Literaturrecherche (z. B. via Scopus, Web of Science, IEEE Xplore).
• Identifikation von Anpassungsbedarfen des CRISP-DM-Modells für generative Wissensverarbeitung.
• Synthese der Ergebnisse: Welche Frameworks (z. B. FMDev, LLMOps) schlägt die Forschung als Nachfolger oder Ergänzung vor?
• Bezugnahme auf die spezifischen Herausforderungen im Maschinenbau beziehungsweise technischen Kundendienst (technische Komplexität, Sicherheit, Prompt Injection).

Vorkenntnisse

• Technischer Studiengang
• Idealerweise Vorkenntnisse bei der Durchführung von Literaturrechcherchen
• Interesse an Generativer KI, Knowledge Management und Prozessmodellen, idealerweise mit Vorkenntnis der technischen Hinterründe
• Strukturierte Arbeitsweise
• Gute Englisch-Kenntnisse für das Verständnis der Fachliteratur

Weitere Informationen auf Anfrage. Bewerbungen bitte per E-Mail mit aktueller Notenübersicht und Lebenslauf

Ausgangslage:

Mit der fortschreitenden Elektrifizierung der Fahrzeuge steigt auch die Nachfrage nach komfortablen, sicheren und in den Alltag integrierbaren Lademöglichkeiten. Kontaktlose Energieübertragungssysteme ermöglichen Szenarien wie „Road Charging“ und „Opportunity Charging“. Weitere Vorteile sind ein gesteigerter Ladekomfort für den Anwender sowie eine geringere Angriffsfläche für Vandalismus. Folglich ist für die nächsten Jahre eine gesteigerte Nachfrage nach induktiven Energieübertragungssystemen für Elektromobile zu erwarten. Allerdings stehen bislang keine Verfahren zur Verfügung, die eine wirtschaftliche Fertigung induktiver Energieübertragungssysteme in hoher Stückzahl ermöglichen.

Mögliche Aufgabenstellung

Verlegen, Kontaktieren und Isolieren sind die drei wichtigsten Schritte zur Herstellung eines induktiven Energieübertragungssystems. Die Verfahren sollen durch geeignete Maßnahmen für die industrielle Fertigung befähigt werden. Neben praktischen Versuchen ist auch der prototypische Aufbau von Demonstratoren vorgesehen. Mögliche Aufgabenstellungen können sein:

• Einarbeiten in die Technologien für die kontaktlose Energieübertragung
• Analyse von verschiedenen Systemaufbauten der Marktbegleiter
• Adaption bestehender Konzepte aus dem Elektromaschinenbau auf den neuen Anwendungskontext
• Entwicklung und Konzeption geeigneter Vorrichtungen und Aufbau von Demonstratorsystemen

Hinweise und Bewerbung:

• Bearbeitung der Aufgaben im studentischem Team
• Strukturierte und selbstständige Arbeitsweise
• Bewerbungen bitte per E-Mail mit Lebenslauf und aktueller Fächerübersicht an info@seamless-energy.com

Ansprechpartner:

Maximilian Kneidl
Maximilian Kneidl, M.Sc. info@seamless-energy.com