Studien-/Abschlussarbeit - Physics-Informed ML in der Batteriezellfertigung (Wickelprozess)

Ausschreibung für die Fachrichtungen wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Luft- und Raumfahrttechnik, Maschinenbau, Mathematik, Mechatronik, Physik, Regelungstechnik, Softwareengineering, technische Informatik, Data Science, Künstliche Intelligenz, Robotik oder vergleichbare.

 

Das Zentrum für digitalisierte Batteriezellenproduktion (ZDB) am Fraunhofer IPA gestaltet die Zukunft der Batterie-Gigafactories durch Forschung an zukunftsweisenden Batteriewertschöpfungsketten. In unserem Forschungsteam arbeiten wir unter anderem an der Schnittstelle zwischen Maschinenbau, Produktions- und Prozesssteuerung und Künstlicher Intelligenz. Ziel der ausgeschreibenen Arbeit ist die Grundlagenforschung zur Ermöglichung eines Paradigmenwechsels: Von einer starren Maschinensteuerung hin zu einer adaptiven, KI-gestützten Prozessregelung für den Wickelprozess in der Batteriezellfertigung. Die Möglichkeiten und Einschränkungen der prädiktiven Qualitätsüberwachung und (perspektivischen) Regelung der Hochgeschwindigkeits-Wicklung von Batteriezellen soll untersucht werden. Dazu suchen wir eine engagierte Masterandin / einen engagierten Masteranden, die/der modernstes Machine Learning mit realer Maschinenphysik verbindet.

 

Hier sorgen Sie für Veränderung

 

• IT/OT Data-Mapping: Sie synchronisieren hochfrequente SPS-Sensordaten einer realen Wickelanlage mit optischen Profilometriedaten, um eine valide Ground-Truth für geometrische Zelldefekte (wie den Anode-Cathode-Overhang) zu schaffen
• Modellentwicklung (PINN): Sie formulieren die Differenzialgleichungen der Bahnmechanik (z.B. kinematische Feder-Dämpfer-Modelle) und integrieren diese als physikalischen Regularisierungsterm in die Loss-Funktion eines neuronalen Netzes (Physics-Informed Neural Network)
• Modellentwicklung (GINN): Sie nutzen Geometry-Informed Neural Networks, um geometrische Zusammenhänge innerhalb der Anlage abzubilden. In Verbindung mit dem PINN soll es möglich sein, Zusammenhänge zwischen Rezeptparametern und real produzierten Produkten zu erlernen
• Wissenschaftlicher Impact: Sie untersuchen die Möglichkeiten und Einschränkungen, ein echtzeitfähiges, kombiniertes Surrogat-Modell des Wickelprozesses zu entwickeln, das als Basis für eine spätere modellprädiktive Anlagensteuerung dient

 

Hiermit bringen Sie sich ein

 

• Gültige Immatrikulation in einem Masterstudium an einer deutschen Hochschule oder Universität in den Fachrichtungen Data Science, Kybernetik, Informatik, Automatisierungstechnik, Maschinenbau oder vergleichbar
• Sehr gute Programmierkenntnisse in Python und fundierte Erfahrung mit gängigen Deep-Learning-Frameworks (z.B. PyTorch, TensorFlow oder JAX)
• Ein solides physikalisches Grundverständnis (Mechanik, Differenzialgleichungen) und idealerweise erste Berührungspunkte mit Scientific Machine Learning oder Graphennetzen.
• Hands-on-Mentalität (Mitarbeit an der Anlage), Eigeninitiative und die Motivation, reale, verrauschte Produktionsdaten mit modernsten KI-Methoden zu untersuchen

 

Was wir für Sie bereithalten

 

• Echte Industrierelevanz: Ihre Arbeit verschwindet nicht in der Schublade, sondern löst ein akutes Problem der aktuellen Batteriefertigung
• Spitzentechnologie: Sie arbeiten mit realen 10ms-SPS-Daten und hochauflösender Sensorik an einer echten Forschungs-Wickelanlage
• Exzellente Betreuung: Enge fachliche Begleitung, regelmäßiger Austausch im Forschungs-Team und die Möglichkeit, als Co-Autor an hochrangigen Journal-Publikationen mitzuwirken
• Infrastruktur: Zugang zu leistungsstarker Rechenhardware und einem erstklassigen wissenschaftlichen Netzwerk im Bereich Batterieforschung

 

 

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 

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA 

www.ipa.fraunhofer.de 

Kennziffer: 84510                Bewerbungsfrist: