Studien-/Abschlussarbeit - Learning MPC & Safe RL auf IEDs für Batteriezellfertigung

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

 

Das Zentrum für Digitalisierte Batteriezellproduktion (ZDB) am Fraunhofer IPA treibt die Digitalisierung der Zellfertigung im industriellen Maßstab voran. Heutige Produktionsanlagen werden durch statische PID-Regler gesteuert, die bei dynamischen Prozessen und wechselhaften Materialparametern schnell an ihre Grenzen stoßen. Bedingt durch genau diese Umstände in der Batteriezellfertigung, speziell beim Wickeln der Jelly-Rolls, ist ein Paradigmenwechsel in der Regelungstechnik notwendig: Prädiktive Modelle (MPC) sollen anstatt klassischer PID-Regelung eingesetzt werden. Allerdings sind diese MPC bei Taktzyklen im Millisekundenbereich oft zu rechenintensiv für echtzeitfähige Regelung. In dieser Masterarbeit untersuchen Sie die Kombination der hohen Inferenzgeschwindigkeit von Reinforcement Learning mit den harten Sicherheitsgarantien einer Model Predictive Control (Safe RL). Ziel ist es, zu untersuchen, inwiefern und unter welchen Voraussetzungen diese Technologie als intelligente Edge-Applikation direkt an eine reale Batteriewickelanlage adaptierbar ist.

 

Hier sorgen Sie für Veränderung

 

• Agenten-Design (Safe RL): Sie entwickeln einen Reinforcement-Learning-Agenten, der die Bahnkantensteuerung für den Wickelprozess vorausschauend optimiert. Dabei implementieren Sie einen Safety-Filter (z.B. eine differenzierbare Projektionsschicht), um Maschinengrenzen strikt einzuhalten
• Edge-Deployment: Sie übersetzen Ihren Python/C++ basierten Agenten in eine containerisierte Applikation (Docker) und deployen diese auf einem Siemens Industrial Edge Device
• IT/OT-Kommunikation: Sie stellen sicher, dass die KI-Ebene (IT) asynchron via OPC UA / MQTT mit der deterministischen SPS-Ebene (OT) der Anlage kommuniziert und dort adaptive Sollwert-Offsets schreibt
• Benchmarking: Sie evaluieren Ihre selbstlernende Edge-MPC direkt an der realen Forschungsanlage und vergleichen Latenz sowie Regelgüte mit klassischen Steuerungskonzepten (PID)

 

Hiermit bringen Sie sich ein

 

• Gültige Immatrikulation in einem Masterstudium an einer deutschen Hochschule oder Universität in den Fachrichtungen Regelungstechnik, Kybernetik, Mechatronik, Automatisierungstechnik, Informatik oder vergleichbar
• Hervorragende Kenntnisse in Python sowie vorzugsweise Erfahrung mit C/C++ für latenzkritische Industrie-Anwendungen
• Idealerweise Erfahrung mit hart echtzeitfähigen Anwendungen und Code-Implementierung
• Theoretische und praktische Vorkenntnisse im Bereich Model Predictive Control (MPC) und/oder Reinforcement Learning
• Starkes Interesse an modernen industriellen IT/OT-Architekturen (Edge Computing, Docker, OPC UA, MQTT)
• Die Begeisterung, komplexe KI-Algorithmen vom Laptop direkt an eine echte Industrieanlage zu bringen und auszuprobieren

 

Was wir für Sie bereithalten

 

• Pionierarbeit: Sie bauen die Software-Architektur für die Gigafactories von morgen und arbeiten mit State-of-the-Art Hardware
• Proof of Concept: Sie simulieren nicht nur, sondern bringen Ihren Code auf einer echten Maschine zum Laufen (Proof of Concept an der Hardware)
• Wissenschaftliche Sichtbarkeit: Hervorragende Betreuung, enge Einbindung in das Forschungsteam und die Option auf Nennung in einer gemeinsamen wissenschaftlichen Publikation (Paper)
• Netzwerk & Perspektive: Knüpfen Sie wertvolle Kontakte in die Industrie und Forschung rund um das Thema Batterieproduktion und Automatisierung

 

 

 

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: 84511                Bewerbungsfrist: