Die Fraunhofer-Gesellschaft (www.fraunhofer.de) betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist die weltweit führende Organisation für anwendungsorientierte Forschung. Rund 30 800 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 3,0 Milliarden Euro.
Am Fraunhofer IPT in Aachen arbeiten wir mit mehr als 530 Mitarbeitenden täglich daran, dass die Produktion der Zukunft digitaler, flexibler und nachhaltiger wird. In der Abteilung »Produktionsqualität« beschäftigen wir uns mit der Digitalisierung von Produktionssystemen, um Qualität, Resilienz und Nachhaltigkeit in der Produktion zu steigern.
Der Einsatz von Deep Learning Modellen zur Automatisierung von visuellen Prozessüberwachungen und Qualitätskontrollen ermöglicht Qualitäts- und Effizienzsteigerungen in der Produktion. Dabei besteht eine typische Herausforderung in der mangelnden Verfügbarkeit repräsentativer Trainingsdaten (z. B. von qualitätskritischen Anomalien). Um die Leistungsfähigkeit von Deep Learning Modellen in diesen Anwendungen zu steigern, müssen anwendungsfallspezifische Pipelines zur Bildaugmentierung gestaltet werden, welche vorhandene Datensätze gezielt um synthetische Bilder anreichern. Die Gestaltung von effektiven Augmentierungspipelines erfordert Domänenwissen und wird bisher vor allem händisch durchgeführt. Im Rahmen der wissenschaftlichen Abschlussarbeit untersuchst Du, wie Optimierungsmethoden (z. B. Bayes’sche Optimierung) genutzt werden können, um Augmentierungspipelines für individuelle produktionstechnische Anwendungsfälle zu optimieren. Potenzial besteht dabei vor allem in der gezielten Kombination verschiedener Augmentierungsarten (z. B. Geometrie-, Farb- und Mixing-basierte Transformationen) sowie in der Einbindung von Domänenwissen.
Was Du bei uns tust
- Literaturrecherche zu den Bereichen Deep Learning, Bildaugmentierung und globale Optimierungsmethoden
- Identifikation von Anforderungen an die Gestaltung effektiver Augmentierungspipelines in produktionstechnischen Anwendungsfällen
- Entwicklung und Implementierung einer Methode zur Optimierung von Augmentierungspipelines
- Experimentelle Validierung anhand eines praktischen Anwendungsfalls im Bereich Computer Vision (z. B. visuelle Qualitätskontrolle)
- Aufbereitung und Dokumentation der Ergebnisse
Was Du mitbringst
- Du studierst Maschinenbau, Wirtschaftsingenieurwesen, Informatik oder eine vergleichbare Fachrichtung
- Du hast erste Erfahrung in Python
- Du hast Grundkenntnisse zu Theorie und Ansätzen im Bereich Machine/Deep Learning
- Eine selbstständige und strukturierte Arbeitsweise
- Gute Sprachkenntnisse in Deutsch und/oder Englisch
Was Du erwarten kannst
- Wissenschaftliche Bearbeitung eines aktuellen und praxisrelevanten Themas
- Eine professionelle Betreuung und fachliche Unterstützung bei der Erstellung deiner Abschlussarbeit
- Mitwirkung in innovativen Forschungs- und Entwicklungsprojekten mit namhaften Industriepartnern
- Ein hochmoderner Maschinenpark, ausgestattet mit Edge-Cloud-Systemen und einer 5G-Infrastruktur
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.
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.
Haben wir Dein Interesse geweckt? Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Dich kennenzulernen!
Maximilian Motz M.Sc.
Wissenschaftlicher Mitarbeiter Abteilung »Produktionsqualität«
Telefon: +49 241 8904-449
Fraunhofer-Institut für Produktionstechnologie IPT
Kennziffer: 69829 Bewerbungsfrist:
Stellensegment: Learning, Training, Human Resources, Education