Die zunehmende Vernetzung und Standardisierung in der Industrie eröffnet neue Möglichkeiten zur einheitlichen Abbildung und Steuerung von Produktionssystemen. In dieser Arbeit hast du die Möglichkeit, ein zukunftsweisendes und auf Industriestandards basierendes Digital-Twin-Framework mitzugestalten, das Maschinensteuerung, Simulation und Überwachung vereint. Du arbeitest an der Schnittstelle von Forschung und Praxis und entwickelst Lösungen, die auf verschiedenste Produktionsmaschinen übertragbar sind.

Steigende Komplexität, kurze Entwicklungszeiten und Nachhaltigkeit fördern die Automatisierung der Produktentwicklung. KI-basiertes generatives Design, besonders in der Topologieoptimierung, ermöglicht effiziente und weitgehend automatisierte Prozesse

Die effiziente Bewertung der strukturellen Integrität eines Bauteils mittels Deep Learning ermöglicht es, Materialauswahl und -verteilung als ein gemeinsames Optimierungsproblem zu betrachten. Dadurch kann der Lösungsraum flexibler und explorativer erschlossen werden, was die Entwicklung ganzheitlicher Konstruktionslösungen fördert.

Revoltech ist ein junges Start-Up an der TU Darmstadt, das nachhaltige Lederalternativen entwickelt. Um die Nachhaltigkeit eines ihrer Produkte, MATTR mit Zahlen und Fakten zu untermauern, soll nun ein Life Cycle Assessment (LCA) durchgeführt werden. Die wissenschaftliche Herausforderung besteht hierbei im Umgang mit fehlenden Daten eines Produkts im Entwicklungsstadium und der Formulierung von Nachhaltigkeitsanforderungen.