Index

Ausgangssituation:

Humanoide Roboter entwickeln sich derzeit rasant von reinen Forschungsplattformen hin zu industriell verwertbaren Systemen und versprechen durch ihre menschenähnliche Oberkörperkinematik eine flexible Integration in bestehende, auf den Menschen ausgelegte Produktionsumgebungen. Der AgiBot G2 ist ein wheel based humanoider Roboter mit einer radbasierten mobilen Plattform und einem humanoiden Oberkörper mit zwei Armen sowie geschickten Greifern, der speziell für industrielle Manipulations- und Logistikaufgaben konzipiert wurde. Durch den Verzicht auf eine zweibeinige Fortbewegung bietet die Plattform eine besonders hohe Stabilität, Energieeffizienz und Nutzlast bei gleichzeitig hoher Beweglichkeit in geplanten Fabrikumgebungen.

In einer Industrieumgebung der Siemens AG wird mit dem AgiBot G2 erstmals ein humanoides System dieser Klasse aufgebaut und in Betrieb genommen. Vor diesem Hintergrund besteht ein konkreter Bedarf, die Plattform systematisch zu erschließen, geeignete Schnittstellen und Toolchains zu etablieren sowie erste industrierelevante Anwendungsfälle aus dem Umfeld der Siemens AG prototypisch umzusetzen, um den Reifegrad und das Einsatzpotenzial des Systems belastbar einschätzen zu können.

Zielsetzung:

Ziel dieser Arbeit ist die erstmalige Umsetzung industrieller Anwendungsfälle auf Basis des humanoiden Roboters AgiBot G2. Im Rahmen der Arbeit sollen die Plattform aufgebaut, die relevanten Schnittstellen erschlossen sowie eine durchgängige Toolchain für Wahrnehmung, Manipulation und Navigation etabliert werden. Aufbauend darauf werden ausgewählte produktionsnahe Anwendungsfälle prototypisch umgesetzt und hinsichtlich Robustheit, Geschwindigkeit und Integrationsaufwand bewertet. Aus den Ergebnissen sollen abschließend konkrete Handlungsempfehlungen für den weiteren produktiven Einsatz des Systems im industriellen Umfeld der Siemens AG abgeleitet werden.

Aufgabenschwerpunkte & Arbeitspakete:

• Einarbeitung in den Stand der Technik zu wheeled humanoiden Robotern, bimanueller Manipulation und Foundation Models für robotische Anwendungen
• Aufbau und mechanische sowie elektrische Erstinbetriebnahme der AgiBot G2 Plattform am Standort der Siemens AG [Erlangen]
• Einarbeitung in das SDK des AgiBot G2 sowie Aufbau einer durchgängigen Toolchain für Steuerung, Wahrnehmung und mobile Manipulation
• Integration des Systems in die bestehende ROS basierte Infrastruktur des Lehrstuhls und Anbindung an relevante Sensorik und Peripherie
• Auswahl und Spezifikation industrierelevanter Anwendungsfälle in Abstimmung mit der Siemens AG
• Prototypische Umsetzung erster produktionsnaher Demonstratoren auf Basis des AgiBot G2
• Systematische Bewertung der erzielten Performanz hinsichtlich Robustheit, Geschwindigkeit, Sicherheit und Integrationsaufwand anhand definierter Kriterien
• Ableitung konkreter Handlungsempfehlungen für den weiteren produktiven Einsatz humanoider Roboter im industriellen Umfeld
• Strukturierte Dokumentation der Arbeit und Präsentation der Ergebnisse

Vorkenntnisse:

• Interesse an industrieller Robotik, humanoiden Systemen und künstlicher Intelligenz
• Erfahrung mit Linux und ROS von Vorteil
• Grundlegende Programmierkenntnisse in Python und C++ von Vorteil, aber nicht zwingend erforderlich
• Sehr gute Deutsch und Englisch Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

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.

We are looking for curious and motivated master’s students to join an innovative research project on the simulation of microexpressions in virtual human faces for humanoid robotics and human-robot interaction. This thesis combines social robotics, facial expression modeling, computer animation, and user-centered evaluation, contributing to the development of more expressive and socially intelligent virtual agents.

Project Overview:

This master’s thesis focuses on the simulation and evaluation of human microexpressions in virtual faces and computer-based environments. Microexpressions are subtle and short facial movements that play an important role in social communication. The aim of this thesis is to investigate how such expressions can be modeled, implemented, and perceived in virtual humans or simulated humanoid agents.

Possible research directions include:

• Study of the physiological and expressive basis of human microexpressions
• Investigation of methods for modeling subtle facial expressions in virtual agents
• Simulation of microexpressions using animation and facial modeling tools such as Blender, Unity, Unreal Engine / MetaHuman, or related frameworks
• Exploration of facial action units, blendshapes, or similar techniques for implementing subtle facial movements
• Evaluation of user preferences and perception regarding realism, naturalness, and social acceptability

The thesis will help establish a foundation for future emotionally expressive virtual humans and humanoid robots by identifying suitable design approaches and perception-related challenges.

Key Responsibilities:

• Conduct a structured review of literature on microexpressions, facial expression modeling, and human-robot interaction
• Investigate existing methods and tools for simulating subtle facial expressions in virtual environments
• Implement or prototype selected microexpression simulation approaches in a computer-based setting
• Design and analyze a user study to evaluate perceived realism, preference, and social impact

Who We’re Looking For:

• Strong interest in social robotics, virtual humans, humanoid robots, human expression, or human-robot interaction
• Background in robotics, biomedical engineering, computer science, HRI, computer graphics, animation, or a related field
• Interest in simulation, experimental design, and user-centered evaluation
• Independent, structured, and critical way of working
• Fluency in English

How to Apply:

If you are excited about expressive virtual humans and would like to contribute to research on artificial facial behavior, we invite you to apply exclusively via email, including your CV and complete transcript of records (GPA min. 2.5).

Subject: S2.1_Virtual Microexpressions

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.

Die freihändige 3D-Rekonstruktion von Ultraschall- und Elastographiedaten erfordert eine zuverlässige Erfassung, Synchronisation und Verarbeitung mehrerer Datenströme. In einem Forschungsprojekt wurde hierfür eine Python-basierte Scan-Pipeline aufgebaut, die jedoch aktuell aus mehreren separaten Skripten besteht und stark von manuellem Bedienwissen abhängt. Dies erschwert die reproduzierbare Durchführung von Messungen und die Weiterentwicklung des Systems.

Ziel dieser Arbeit ist es, die bestehende Pipeline in eine konsistente und bedienbare Softwarelösung zu überführen. Dazu sollen bestehende Komponenten analysiert, geeignete Softwarestrukturen entwickelt und die einzelnen Verarbeitungsschritte in einem robusten Workflow zusammengeführt werden. Die resultierende Lösung soll die Nutzung des Systems vereinfachen und gleichzeitig die Grundlage für standardisierte experimentelle Untersuchungen schaffen.

Inhalte:

• Analyse und Dokumentation der bestehenden Python-basierten Scan-Pipeline
• Identifikation kritischer manueller Prozessschritte und softwaretechnischer Schwachstellen
• Entwurf einer modularen Architektur zur Integration der bestehenden Komponenten
• Implementierung einer zentralen Steuerung für Datenerfassung, Synchronisation und Vorverarbeitung
• Entwicklung von Mechanismen für Logging, Konfigurationsverwaltung und Fehlerdiagnose
• Experimentelle Evaluation der Pipeline hinsichtlich Stabilität, Bedienbarkeit und Reproduzierbarkeit

Voraussetzungen:

• Interesse an Softwareentwicklung im Kontext medizintechnischer Forschungssysteme
• Gute Kenntnisse in Python
• Erfahrung mit modularer Softwareentwicklung, Datenverarbeitung oder Automatisierung von Vorteil
• Kenntnisse in Git, GUI-Frameworks oder experimentellen Softwaresystemen wünschenswert
• Selbstständige und strukturierte Arbeitsweise

Bewerbung: Interessierte Studierende senden ihre Bewerbung mit aktueller Notenübersicht und Lebenslauf per E-Mail.

Beginn: ab sofort

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.

Ausgangssituation:

Vision Language Action (VLA)-Modell- und World-Modell-basierte Ansätze versprechen einen Paradigmenwechsel beim Training von Robotersystemen für komplexe Manipulationsaufgaben mit variablen Randbedingungen. Eine wesentliche Herausforderung ist jedoch der enorme Datenbedarf, insbesondere die Generierung hochwertiger Trainingsdaten. Die oft als optimal angesehene Datenerfassung durch direkte Teleoperation des Endsystems ist extrem zeit- und kostenintensiv sowie durch menschliche Fähigkeiten limitiert. Simulationsbasierte Daten leiden wiederum oft unter mangelnder Übertragbarkeit auf reale Systeme. Es besteht ein dringender Bedarf, effizientere Wege zur Trainingsdatenerfassung für VLA-basierte Systeme im industriellen Umfeld zu finden und zu evaluieren.

Zielsetzung:

Ziel dieser Arbeit ist die Entwicklung einer Methodik zur effizienten Generierung von Trainingsdaten für VLA-basierte Robotersysteme in einem industriellen Fertigungsumfeld. Im Rahmen der Arbeit sollen verschiedene Ansätze zur Datengenerierung wie simulationsbasierte Daten, Lernen aus First-Person-View-Videos und Mischformen implementiert, analysiert und deren Einsetzbarkeit sowie Effektivität bewertet werden. Hieraus soll abschließend eine Methodik abgeleitet werden, die die effiziente Datenerzeugung für industrialisierbare VLA-basierte Ansätze ermöglicht.

Vorkenntnisse:

• Interesse an industrieller Robotik und künstlicher Intelligenz
• Grundlegende Programmierkenntnisse in Python von Vorteil, aber nicht erforderlich
• Sehr gute Deutsch- und Englisch-Kenntnisse

Der Arbeitsumfang kann entsprechend der Art der Abschlussarbeit angepasst werden.

Bewerbungen ausschließlich per E-Mail mit aussagekräftigen Unterlagen (Lebenslauf, vollständige Notenübersicht)

Titel:
Proof-of-Concept: World Models für ereignisdiskrete Produktionssimulation (optional mit Quantum-Computing-Ansatz)

Art der Arbeit:
Studienarbeit / Projektarbeit / Masterarbeit (nach Absprache)

Hintergrund und Motivation
Ereignisdiskrete Simulation (DES) ist ein etabliertes Werkzeug zur Planung und Optimierung von Produktionssystemen, stößt aber bei umfangreichen Szenariostudien und Optimierungsaufgaben an Grenzen hinsichtlich Rechenzeit und Automatisierung. World Models aus dem Bereich des modelbasierten Reinforcement Learning ermöglichen es, dynamische Systeme als lernbasierte Surrogate abzubilden und damit Entscheidungen und Policies in einem gelernten Modell statt in der vollständigen Simulation zu optimieren. Im Rahmen dieser Arbeit soll ein Proof-of-Concept erarbeitet werden, wie World Models für eine Produktions‑DES eingesetzt werden können, welche Potenziale und Anwendungsbereiche sich daraus ableiten lassen und inwiefern sich Ansätze zur quantenbasierten Parallelisierung perspektivisch nutzen lassen.

Ziel der Arbeit
Ziel der Arbeit ist die Konzeption und Umsetzung eines Proof-of-Concept, bei dem ein World Model als Surrogate für eine ereignisdiskrete Produktionssimulation dient und zur schnellen Bewertung von Steuerungs‑ bzw. Scheduling‑Strategien eingesetzt werden kann. Darüber hinaus sollen die Potenziale (z.B. Rechenzeiteinsparung, verbesserte Policy-Optimierung, neue Analyse‑Workflows) und konkrete Anwendungsbereiche in der Produktionsplanung systematisch herausgearbeitet und bewertet werden. Optional soll untersucht werden, welche Teilaspekte (z.B. Trajektoriensuche, Policy-Evaluation) prinzipiell durch Quantum-Computing‑Ansätze parallelisiert werden könnten und wie ein entsprechendes Forschungs-Setup aussehen würde.

Aufgabenstellung (Arbeitspakete)

1. Literaturrecherche

• Recherche zu World Models und modelbasiertem Reinforcement Learning (Dreamer, latent World Models) mit Fokus auf Produktions‑ und Simulationsanwendungen.
• Recherche zu bestehenden Ansätzen für Surrogate‑Modelle in der Simulation sowie ersten Studien zu Quantum Reinforcement Learning und quantenbasierter Parallelisierung von Trajektorien.
• Systematische Sichtung von Veröffentlichungen zu Potenzialen und Anwendungsfeldern von KI‑basierten Surrogates und World Models in Digitalen Zwillingen und Produktionssystemen.

2. Konzeption eines geeigneten Demonstrators

• Auswahl und Konzeption eines geeigneten DES‑Demonstrators für ein Produktionssystem. Im Best Case wird Siemens Plant Simulation verwendet; alternativ kommen SimPy (Python) oder AnyLogic in Frage.
• Festlegung einer kompakten Zustands‑ und Aktionsrepräsentation (State-Vector aus Queue-Längen, Maschinenzuständen, WIP etc.; Aktionen z.B. Dispatching-/Prioritätsregeln).

3. Implementierung eines World Models für DES

• Erstellung einer Datengrundlage durch Simulationstrajektorien aus dem gewählten DES‑Tool (bevorzugt Plant Simulation, alternativ SimPy oder AnyLogic).
• Implementierung oder Adaption eines World-Model-Ansatzes (z.B. DreamerV3‑ähnliche Architektur oder vereinfachtes latent dynamisches Modell) in Python.
• Training und Validierung des World Models als Surrogate: Vergleich von simulierten Trajektorien und relevanten KPIs im World Model gegenüber der ursprünglichen DES.

4. Proof-of-Concept: Einsatz des World Models und Potenzialanalyse

• Nutzung des World Models zur schnellen Bewertung von Steuerungs‑ oder Scheduling‑Strategien (z.B. durch Rollouts im gelernten Modell oder einfaches Planning).
• Quantitative und qualitative Analyse von Rechenzeit, Genauigkeit und Generalisierungsfähigkeit über mehrere Szenarien/Varianten des Produktionssystems.
• Herausarbeitung der Potenziale und Grenzen des Ansatzes für typische Anwendungsbereiche (z.B. Layout‑Variantenvergleich, Schicht- und Auftragsplanung, Engpass‑Management) und Ableitung von Handlungsempfehlungen.

5. Optionale Vertiefung: Quantum-Computing-Perspektive

• Sichtung relevanter Quantum-RL‑Literatur und Identifikation von Subproblemen (z.B. Trajektoriensuche oder Policy-Evaluation), die prinzipiell für eine quantenbasierte Parallelisierung geeignet sind.
• Konzeption eines skizzenhaften PoC‑Setups (z.B. auf Basis vorhandener Quantum‑Frameworks und kleiner Beispielumgebungen), das die Einbindung von Quantum-Computing in World-Model-basierte RL‑Ansätze demonstriert.

6. Dokumentation und Präsentation

• Systematische Dokumentation der Methodik, Ergebnisse, Potenziale und Grenzen des Ansatzes.
• Abschlusspräsentation der Arbeitsergebnisse am Lehrstuhl.

Voraussetzungen

• Laufendes Studium in Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen, Informatik, Data Science oder einem vergleichbaren Studiengang.
• Grundkenntnisse in Python und Interesse an Maschinellem Lernen / Reinforcement Learning.
• Erste Erfahrungen mit Simulation (z.B. DES, agentenbasierte Modelle oder eigene Python‑Simulationen); Erfahrung mit Plant Simulation, SimPy oder AnyLogic ist von Vorteil.
• Selbstständige, strukturierte Arbeitsweise und Freude an forschungsnahen Fragestellungen.

Rahmenbedingungen

• Beginn: Nach Absprache, ab sofort möglich.
• Dauer: Entsprechend Prüfungsordnung (Studienarbeit/Projektarbeit/Masterarbeit).
• Die Arbeit ist in aktuelle Forschungsaktivitäten im Bereich Digitaler Zwilling, Simulation und KI am Lehrstuhl FAPS eingebunden.

Betreuung und Kontakt
Ansprechpartner:
Martin Barth, M.Eng.
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS), FAU Erlangen-Nürnberg
E-Mail: martin.barth@faps.fau.de

Bitte senden Sie Ihre Bewerbung mit kurzem Motivationsschreiben, Lebenslauf und aktuellem Notenspiegel per E‑Mail an martin.barth@faps.fau.de