Viele Unternehmen setzen bei der CAM-Planung noch auf manuelle Prozesse. Diese sind zeitaufwendig und fehleranfällig. Deshalb entwickeln wir im Projekt Factory-X zusammen mit führenden Unternehmen wie Siemens und DMG Mori einen Prototypen zur Automatisierung der CAM-Planung. Zu Beginn der Planung ist eine Erkennung der Bauteilfeatures (zum Beispiel Freiformflächen) notwendig. Diese kann basierend auf Regeln oder mittels Künstlicher Intelligenz (KI) durchgeführt werden. Im Rahmen deiner Arbeit untersuchst du beide Ansätze und verglichst sie miteinander.

Du unterstützt uns bei:

• Automatisierung von CAM-Prozessen
• Umsetzung eines Machine Learning Modells zur Erkennung von Bauteilfeatures
• Erarbeitung eines ersten Prototyps

Idealerweise bringst du mit: 

• Interesse an maschinellem Lernen und Programmieren
• Erfahrungen im Umgang mit CAD Programmen wie Siemens NX

Du interessierst dich für Technologien der digitalen datenbasierten Fertigung? Arbeite an der Entwicklung von Datenerfassungs- und Analysesystemen für CNC-Maschinen mit. Du unterstützt uns zum Beispiel in Projekten zu intelligenten Fertigungstechnologien, magnetischen Führungssystemen und digitalen CNC-Systemen. Von der Simulation bis hin zur Anwendung und Erforschung neuer Technologien an hochmodernen Prüfständen und Maschinen erhältst du praktische Einblicke in aktuelle Digitalisierungskonzepte, digitale Zwillinge und die neuesten Innovationen der Fertigungstechnik.

Du unterstützt uns bei:

• Entwicklung eines Systems zur Datenakquise
• Signalverarbeitungs- und Sensordatenanalyse (einschließlich experimenteller Versuche)
• Anwendung maschinellen Lernens

Idealerweise bringst du mit:

• gute Deutsch- und Englischkenntnisse
• Interesse an Maschinentechnologien, Datenanalyse und Regelungstechnik
• Kenntnisse über Werkzeugmaschinen und Fertigungstechnik
• Erfahrungen im Umgang mit MATLAB sowie Kenntnisse in TwinCAT oder SPS

Du liebst Code, Daten und innovative Technologien? Dann arbeite mit uns an einem echten Hightech-Thema mit Industriebezug. Im Projekt bringst du KI und Zerspanung zusammen. Du untersuchst die komplexen Wechselwirkungen zwischen additiver Fertigung (3D-Druck) und spanender Endbearbeitung (Fräsen) von Leichtbaustrukturen für die Luftfahrt. Diese filigranen, oft stark nachgiebigen Bauteile sind hochoptimiert für minimalen Materialeinsatz – was die Bearbeitung zu einer echten Herausforderung macht. Bei uns arbeitest du an der Schnittstelle von Zerspanungstechnologie, Simulation und Künstlicher Intelligenz.

Du unterstützt uns bei:

• Modellierung und Programmierung: Entwicklung von Machine-Learning- und klassischen Modellen zur Vorhersage von Fräskräften
• Optimierung und Testung: Verbesserung der Modellgenauigkeit durch intelligentes Tuning
• Analyse und Validierung: Datenanalyse und strukturierte Aufbereitung für Trainingsprozesse, Validierung der Modelle durch Fräsversuche
• Toolentwicklung: Integration der Modelle in bestehende Simulationsumgebungen

Idealerweise bringst du mit:

• Kenntnisse im Bereich Python oder C# 
• Interesse an Datenanalyse, Modellierung und Machine-Learning-Techniken
• Vorkenntnisse im Umgang mit GitLab

Im Projekt EmSim analysierst du mit uns störanfällige Prozessfälle beim Fräsen. Auf der Basis von Spindelstromdaten sollen dabei Muster erkannt und klassifiziert werden. Ziel deiner Arbeit ist die Entwicklung einer Entscheidungslogik zur Optimierung von Überwachungsgrenzen. Die Analyse und Modellierung erfolgen mittels Python.

Deine Aufgaben:

• Analyse bestehender Datensätze von Zerspanungsversuchen in Python
• Entwicklung einer Entscheidungslogik zur Anpassung von Überwachungsgrenzen
• Überprüfung der entwickelten Logik

Idealerweise bringst du mit:

• Interesse an Zerspanungstechnologien und Datenanalyse
• erste Erfahrungen mit Methoden des maschinellen Lernens oder Interesse, sich in diese einzuarbeiten
• gute Programmierkenntnisse in C# oder Python

Die KI-gestützte Vorhersage der Bauteilqualität ermöglicht kostengünstige 100 %-Qualitätskontrollen in der Fertigungstechnik. In dieser Arbeit wird ein realer Produktionsdatensatz analysiert und unterschiedliche KI-Modelle untersucht. Ziel ist es, Qualitätsgrößen auf Basis von Merkmalen in den Prozesssignalen mit hoher Genauigkeit zu berechnen. Der Fokus der Arbeit liegt auf sequenzbasierten KI-Ansätzen, die sich für die Verarbeitung von Zeitreihen besonders eignen.  

Das Aufgabengebiet umfasst die Unterstützung im Bereich der:

• Programmierung von Python Skripten zur Datenanalyse und -vorverarbeitung
• Training und Evaluation von KI-Modellen

Idealerweise bringst du mit:

• Du verfügst über gute Deutsch- oder Englischkenntnisse
• Selbstständiges und strukturiertes Arbeiten ist für dich selbstverständlich
• Gute Kenntnisse im Bereich der Analyse von Zeitreihen mit Python

KI-Modelle erfordern eine hohe Anzahl an varianten Daten. Die Daten zu erzeugen und für das Training ein KI-Modells aufzuarbeiten nimmt dabei viel Zeit in Anspruch. Ziel dieser Arbeit ist daher die Entwicklung eines synthetischen Datensatzes für die Spandetektion. Hierfür werden werden reale Daten verwendet und diese durch Methoden der Bildverarbeitung neu zusammengesetzt. Untersucht werden verschiedene Methoden zur Datensatzerstellung und der Anteil an synthetischen Daten im Datensatz. 

Das Aufgabengebiet umfasst die Unterstützung im Bereich der:

• Programmierung von Python Skripten zur Bildverarbeitung und Datenaugmentierung
• Training von KI-Modellen 
• Validierung der Ergebnisse auf realen Prozessaufnahmen