Entwicklung einer Checkliste für Unternehmen und Verbände zur Überprüfung der Mitarbeiterfreundlichkeit einer KI-Anwendung und Testen im Rahmen einer Befragungsstudie für ein KI-Assistenzsystem.

Durch die speziellen Einsatzgebiete von Unterwassermotorpumpen müssen die dazugehörigen Motoren bestimmte Anforderungen erfüllen. Dies macht eine separate Behandlung der Motoren bei der Bewertung des Wirkungsgrads innerhalb einer Norm notwendig. In dieser Arbeit sollen Unterwassermotorpumpen anhand eines bestehenden Norm-Entwurfs experimentell untersucht und Einflussfaktoren auf den Motorwirkungsgrad identifiziert werden.

Durch den im Rahmen der Energiewende steigenden Anteil an erneuerbaren Energien an der Stromerzeugung wächst auch der Bedarf an Energiespeichern, die den zeitlichen Versatz zwischen Erzeugung und Verbrauch überbrücken können. Eine mögliche Speicherform stellen Carnot-Batterien (CB) dar, die elektrische Energie durch die Umwandlung in thermische Energie zwischenspeichern. Zentrale Komponenten einer CB stellen die Kompressions- und die Expansionsmaschine (Lade-/ Entladezyklus) dar. Indem ein Maschinentyp gewählt wird, der sowohl als Kompressions- als auch als Expansionsmaschine betrieben werden kann, können Kosten gespart werden.

In dieser Arbeit soll ein KI-gestütztes System zur Prozessüberwachung und -kontrolle im extrusionsbasierten 3D-Druck weiterentwickelt werden. Mithilfe von Kraftmessungen an Druckkopf, Extruder und Druckbett sollen Fehler frühzeitig erkannt und der Druckprozess kontrolliert werden. Dazu werden weitere Messdaten gesammelt, unterschiedliche neuronale Netze trainiert, Hyperparameter untersucht und die KI validiert.

In dieser Arbeit werden thermodynamische Modelle zur Bewertung und Optimierung alternativer Wärmeintegrationskonzepte für die eisenbasierte Wasserstoffspeicherung entwickelt. Ein besonderer Fokus liegt auf der Rückgewinnung und Integration von Prozesswärme, um energetische und wirtschaftliche Vorteile zu erzielen. Abschließend werden vielversprechende Konzepte dimensioniert und ökonomisch bewertet, um konkrete Handlungsempfehlungen abzuleiten.

Für die Verbesserung der Energieeffizienz und zur Prozessbeschleunigung in der chemischen Industrie stehen modulare Produktionsanlagen immer stärker im Fokus. In der vorliegenden Arbeit soll die Infrastruktur für modulare Anlagen „Bluefield“ bei Merck semantisch modelliert werden. Dieses Modell soll im Anschluss zusammen mit einem bestehenden Modell für modulare Prozesseinheiten für eine exemplarische Kompatibilitätsprüfung verwendet werden.

In dieser Masterarbeit wird die Integration metallischer Energieträger in großskalige Energiesysteme untersucht. Dazu werden metallische Energieträger zunächst im Open-Source-Framework PyPSA (Python for Power System Analysis) implementiert. Anschließend erfolgt eine detaillierte Analyse ihrer Rolle und ihres Potenzials in zukünftigen multimodalen Energiesystemen.

Kurzbeschreibung

(maximal 3 Sätze) Im Rahmen dieser Masterarbeit soll ein bildbasiertes Verfahren zur Echtzeitbewertung der Produktqualität in der industriellen Fertigung entwickelt werden. Ziel ist es, aus Kameradaten Metriken zu definieren und zu analysieren, die mit etablierten Qualitätsmerkmalen korrelieren. Die Arbeit bietet praxisnahe Forschung in Kooperation mit Freudenberg Performance Materials sowie enge Betreuung durch Industrial Science, einer Ausgründung der TU Darmstadt.

Am Institut für Mechatronische Systeme im Maschinenbau wird an autonomen, vernetzten Roboterfahrzeugen geforscht. Diese Fahrzeuge sollen nicht nur eine sichere, sondern auch eine möglichst effiziente Fortbewegung gewährleisten. Daher wird an einer Effizienzsteigerung durch eine Längsdynamikregelung gearbeitet. Diese Regelungssysteme werden in einer simulierten Verkehrsumgebung (SUMO) getestet. Um die daraus resultierenden Unterschiede im Verkehrsverhalten, die durch die Längsdynamikregelungen entstehen, zu analysieren, soll eine grafische ?Auswertung der Ergebnisse erfolgen.

In dieser Arbeit entwickelst du einen optimierten Ventilatorbaukasten, der verschiedene Anwendungsfälle mit minimaler Modellanzahl und unter Berücksichtigung von Kosten, Energieeffizienz und Lärmemissionen abdeckt. Dazu recherchierst du typische Einsatzbereiche, erfasst relevante Ventilatordaten in einer Datenbank und optimierst die Produktreihe mit Methoden der diskreten Optimierung (z. B. Set Covering). Die Arbeit bietet Einblicke in spannende Optimierungsmethoden, praxisnahe Anwendungen und die Möglichkeit einer anschließenden wissenschaftlichen Anstellung.

In der modernen Produktion ist die flexible Nutzung von Maschinen und Robotern entscheidend. Am Fachgebiet wurde bereits eine virtuelle Unity-Arbeitsumgebung entwickelt, die hardwareunabhängige Pick-and-Place-Aufgaben ermöglicht. Dieses Extended Reality (XR)-System soll nun um eine intuitive Weboberfläche erweitert werden, die das Teach-In von Robotern unterstützt und eine benutzerfreundliche Interaktion ermöglicht.

Ammoniak (NH₃) und Wasserstoff (H₂) gelten als Schlüsselträger der klimaneutralen Energiezukunft, können bei der Verbrennung jedoch hohe NOx-Emissionen verursachen. Zur experimentellen Untersuchung dieser Emissionen unter realistischen Hochdruckbedingungen soll im Rahmen dieser Masterarbeit eine Druckbrennkammer mit optischen Zugängen für Lasermesstechnik wie Laserinduzierte Fluoreszenz oder Raman-/Rayleigh-Spektroskopie entwickelt, konstruiert und aufgebaut werden.

Ein Schaden in der zentralen Regelung eines Wasserversorgungssystems hat katastrophale Auswirkungen auf die Versorgung städtischer Bevölkerung mit Trinkwasser. Um dieses Risiko zu vermeiden, sollen Ansätze der Schadenserkennung mittels Zeitreihenanalyse für die Resilienz der Wasserversorgung untersucht werden. Dafür soll ein statistisches Modell aufgestellt, parametriert und validiert werden.

Themenbereiche:

1. Simulation von Kontaktverformungen in FEM (Siemens NX)

2. Parametrische Simulationsstudien

3. Analyse der Spannungsverteilung und Steifigkeit

4. Computergestützte Toleranzanalyse

Um die Produkte der Zukunft nachhaltiger zu gestalten, müssen diese zwangsläufig immer leichter werden. Dies geht jedoch gleichzeitig mit einer größeren Anfälligkeit für Schwingungsanregung und einer entsprechend erhöhten Schallabstrahlung einher. Die Herausforderung besteht darin, diesen Konflikt durch gezielte Design-Optimierungen zu lösen. Üblicherweise kommen hier Ansätze zur Topologie-Optimierung Einsatz, wie z.B. Gradienten-basierte Ansätze oder genetische Algorithmen.

In dieser Arbeit soll stattdessen mit Deep Reinforcement Learning (RL) ein neuartiger Ansatz erprobt werden. RL ist ein im Ingenieurwesen noch wenig angewendeter Bereich der künstlichen Intelligenz und basiert auf einem oder mehreren, z.B. auf neuronalen Netzen basierten Agenten, die mit Belohnungen aufgrund von positiven oder negativem Systemverhalten lernen, ein Ziel zu erreichen.

Als Anwendungsbeispiel für Deep Reinforcement Learning werden in dieser Arbeit vibroakustische Metamaterialien (VAMM) betrachtet. Diese stellen Strukturen dar, die sich durch eine meist periodische Integration mehrerer strukturdynamischer Resonatoren auf einer Basiskomponente (z.B. Rumpf- oder Flügelschale) auszeichnen. Die Positionierung dieser Resonatoren stellt eine Herausforderung besonders bei gekrümmten Strukturen dar, da sich abhängig von der Krümmung auch die Wellentypen zwischen Biege- und Longitudinalwellen transformieren und damit auch die Art der erforderlichen Resonatoren. Die Auswahl und Positionierung der Resonatoren erfolgt bisher noch durch Ausprobieren, soll in dieser Arbeit aber durch Deep Reinforcement Learning automatisiert werden.

Über ihre Lebensdauer verlieren Fahrzeugkarosserien an Steifigkeit, was sich negativ auf das Fahrverhalten auswirkt. Dieser Steifigkeitsverlust ist unter anderem auf Klebnähte zurückzuführen, mit denen die Bleche in der Karosserie gefügt sind. Durch die zyklische Belastung breiten sich dort Risse aus, weshalb die Steifigkeit des Klebstoffs abnimmt.

Es wurde eine Methode entwickelt, die mit hoher Präzision die Lebensdauer von strukturellen Klebstoffen vorhersagt. Allerdings ist mit diesem Modell nur ein Bruch der Klebschicht und nicht der Steifigkeitsverlust zu prognostizieren.

Deine Aufgabe besteht darin, das bereits entwickelte Modell, durch eine Rechenroutine so anzuwenden, dass es in der Lage ist das Steifigkeitsdegradationsverhalten vorherzusagen. Ein Ansatz um dies zu ermöglichen besteht darin, eine Schädigung der einzelnen FE-Elemente zu berechnen, diesen neue Materialeigenschaften zuzuordnen und iterativ weitere FE-Berechnungen durchzuführen, bis die Steifigkeit stark abgefallen ist.

Wenn du also Freude und Interesse an FE-Simulationen, für praxisrelevante Strukturen hast, dann melde dich gerne.

Das Fraunhofer LBF und das Fachgebiet SAM erforschen in Kooperation seit Jahren intensiv im Bereich der vibroakustischen Metamaterialien (VAMM). Streustrukturen wie vibroakustische Metamaterialien (VAMM) und akustische schwarze Löcher (ASL) zeigen großes Potential und deutliche Vorteile gegenüber konventionellen Maßnahmen zur Schallreduktion. Nichtsdestotrotz ist die zielführende Anwendung von Streustrukturen in der industriellen Praxis herausfordernd, da Streustrukturen eine große Zahl neuer und unbekannter gestalterischer Freiheitsgrade in der Produktentwicklung aufwerfen, welche in aktuellen Auslegungs- und Konstruktionsmethoden im Stand der Wissenschaft noch nicht berücksichtigt werden. Ziel der Arbeit ist daher der Entwurf und die Bewertung eines neuen Vorgehensmodells für das akustikgerechte Gestalten mit Streustrukturen in Harmonie mit dem etablierten Vorgehen, z. B. der VDI 2221.

Elektrische Maschinen erzeugen Wärme aufgrund von elektrischen Verlusten und mechanischer Reibung, wobei die Kühlung im Rotor-Stator-Spalt in der Regel auf die Luftzirkulation beschränkt ist. In dieser Studie wird die Wirkung der Einführung kleiner Flüssigkeitströpfchen in den Luftstrom zur Verbesserung der Wärmeübertragung untersucht. Durch die Untersuchung der aerosolbasierten Kühlung zielt diese Forschung darauf ab, das Wärmemanagement zu verbessern und die Effizienz elektrischer Maschinen zu erhöhen. Im Rahmen des Projekts wird ein kleiner Spalt (Außenzylinder) konstruiert und an einen bestehenden Aufbau angeschlossen. Anschließend werden Experimente zur Erzeugung und Analyse der Aerosolströmung im Spalt durchgeführt. Die Auswirkungen der Tröpfchen werden aufgezeichnet und analysiert, dann wird der Aerosolgenerator mit 3 verschiedenen Düsen charakterisiert.

Machine-Learning-Methoden wie Physics-Informed Neural Networks bieten großes Potenzial, das Verhalten komplexer Systeme vorherzusagen. So konnten sie z. B. in der Betriebsfestigkeit bereits erfolgreich zur Prognose der Lebensdauer von Bauteilen eingesetzt werden. Aufgrund der hohen Kosten von Schwingfestigkeitsversuchen ist die Anzahl verfügbarer experimenteller Daten jedoch häufig begrenzt. Fehler oder Ungenauigkeiten in diesen Trainingsdaten können daher erheblichen Einfluss auf die Qualität der Prognosen haben.

Im Rahmen dieser Masterarbeit soll untersucht werden, wie resilient verschiedene Machine-Learning-Ansätze gegenüber fehlerhaften oder unvollständigen Trainingsdaten sind. Ziel ist es, robuste Prognosemethoden zu identifizieren, weiterzuentwickeln und anhand realer Versuchsdaten zu validieren.

Das IMS erforscht im Rahmen des Projekts DigiTain, wie Betriebsstrategien von Brennstoffzellenfahrzeugen verbessert werden können. Aktuelle Ergebnisse zeigen, dass mittels kurzfristiger Prädiktion (ca. 10 s) eine Effizienzsteigerung erreicht werden kann aber auch dass der Ansatz nicht ?zielführend auf längerfristige Zeiträume (>1 min) anzuwenden ist, was die Effizienzsteigerung begrenzt.

Durch Routenplanung (z.B. Navi) oder Kenntnis von häufig gefahrenen Strecken ist die vorausliegende Route meist bekannt. Im Rahmen dieser Arbeit sollen mehrere Ansätze ausgewählt und implementiert werden, um auf Grundlage von Eigenschaften (Höhenprofil, Geschwindigkeitsbeschränkung, Verkehrszeichen, Kurven, etc.) des gesamten vorausliegenden Streckenverlaufs einen zeitlichen Verlauf des Leistungsbedarfs abzuschätzen, um eine langfristige Planung der Betriebsstrategie zu ermöglichen.

Durch Partikel im Fördermedium tritt in Schraubenspindelpumpen hoher Verschleiß auf. Um die Pumpen auf die Anwendungen auslegen zu können, benötigen die Hersteller Modelle zur Beschreibung des Verschleißverhaltens und Konstruktionsrichtlinien. Die ausgeschrieben Arbeiten dienen der Erweiterung eines Prüffeldes, das die anwendungsnahe Untersuchung der Pumpen im Betrieb mit Partikeln erlaubt.

Durch Partikel im Fördermedium tritt in Schraubenspindelpumpen hoher Verschleiß auf. Um die Pumpen auf die Anwendungen auslegen zu können, benötigen die Hersteller Modelle zur Beschreibung des Verschleißverhaltens und Konstruktionsrichtlinien. Die ausgeschrieben Arbeiten dienen der Erweiterung eines Prüffeldes, das die anwendungsnahe Untersuchung der Pumpen im Betrieb mit Partikeln erlaubt.

Im Projekt Clean Circles wird das Potenzial und die Umsetzung von Eisen als nachhaltiger Energieträger untersucht. Dabei erweisen sich Wirbelschichten als ein vielversprechendes Reaktorkonzept. Ziel der Arbeit ist es, eindimensionale Modelle zu entwickeln, die prädiktive Vorhersagen ermöglichen, die Skalierung unterstützen und in Gesamtprozessmodelle integriert werden können.

Die Wirtschaft basiert größtenteils auf einer linearen Wertschöpfungskette mit fossilen Ausgangsstoffen wie z.B. Erdöl während die Abfälle größtenteils verbrannt werden. Zur Reduktion des CO2-Austoßes ist daher die Transformation zu einer Kreislaufwirtschaft und damit das Recycling bisher nicht-recyclebarer Abfälle notwendig. Eine Möglichkeit dazu ist das chemische Recycling mittels Wirbelschichtvergasung. Dabei werden die Reststoffe bei hohen Temperaturen unter Zugabe von Dampf und Sauerstoff zu Wasserstoff und Kohlenmonoxid zerlegt, die als Grundstoff für viele chemische Synthesen dienen.

Im Rahmen dieser Arbeit soll die Sauerstoffzufuhr in die Wirbelschicht im Hinblick auf Düsengeometrie, Temperatur- und Geschwindigkeitsverteilung untersucht werden.

Agile Robots SE is developing a kinematic replica for teleoperation of a humanoid with high DoF hands for data collection used in imitation learning. The current prototype provides two single-trigger handles to signalize grasping commands. This restricts the complexity of the teleoperations and, therefore, the tasks that the humanoid learns through imitation learning. This project aims to develop a multi-trigger handle to capture more nuanced commands.

The Institute for Simulation of Reactive Thermo-Fluid Systems (STFS) conducts cutting-edge research on reactive flows and alternative energy carriers. One of our focus areas is the combustion of metallic fuels, which have the potential to play a key role in future energy systems.

Aluminum, in particular, undergoes a unique combustion process where evaporated metal reacts with steam, forming hydrogen and aluminum oxide. The global reaction and transport rates are controlled by a multitude of tightly coupled processes, including phase changes, gas phase reactions, thermophoresis, and droplet shape evolution—key aspects that are not yet fully understood.

In this thesis, you will contribute to refining numerical models for these processes using OpenFOAM-based simulations. Your work will help improve the predictive capabilities of existing models, enabling more accurate simulations of aluminum combustion.

Do you have experience in CFD, physical modeling, or programming (Python/C++) in a Unix-based environment? If not, are you eager to develop these skills? If so, we encourage you to contact us for more information!

Themenbereiche:

1. Finite-Elemente-Methode (FEM) mit Siemens NX

2. Parametrische Simulationsstudien

3. Analyse der Spannungsverteilung und Steifigkeit

4. Computergestützte Toleranzanalyse

Aufgrund der immer häufiger auftretenden extremen Wetterbedingungen kommt es immer häufiger zu Vereisungen von Flugzeugen. Die Untersuchung dieses Phänomens hat große Aufmerksamkeit erregt, insbesondere im Bereich der Flugsicherheit. Unsere Forschung zielt darauf ab, dieses Verständnis zu verbessern, indem wir die Auswirkungen von sich bewegenden Oberflächen mit Tropfenaufprall untersuchen und dabei Bedingungen simulieren, die denen eines Hubschraubers ähneln. Das Projekt umfasst die Durchführung von Experimenten unter Verwendung eines bestehenden Aufbaus, der einen einzelnen Wassertropfen auf eine rotierende Scheibe aufprallen lässt (es könnten sehr kleine Änderungen erforderlich sein). Der Aufprall wird mit einer synchronisierten Infrarot- und Hochgeschwindigkeitskamera aufgezeichnet. Die aufgenommenen Bilder werden analysiert, und die Dicke der entstehenden Eisschicht auf der Scheibe wird mit einem chromatischen Liniensensor (CLS) gemessen.

On going research at the Institute for Paper Technology of the Technische Universität Darmstadt is focused on AI-assisted design optimization for corrugated boards. The project is focused on the application of AI frameworks to improve the design and optimization process, allowing for more efficient decision-making.

Rohrnetzwerke zur Trinkwasserversorgung werden in Deutschland oft mit einfachen Regelstrategien betrieben. Um die Effizienz und die Versorgungssicherheit zu erhöhen, werden am FST und im Rahmen dieser Thesis innovative Regelstrategien (wie Multi-Agent Reinforcement Learning) untersucht. Erster Schritt dafür ist die Erstellung und Validierung einer Modelica-Simulation zur Abbildung eines realen Wasserversorgungssystems.

At the Institute for Energy Systems and Technology (EST), a promising CO2 capture process, the Indirectly Heated Carbonate Looping (IHCaL), is being developed for integration into lime and cement plants, to reduce the associated CO2 emissions. Combining IHCaL with other capture methods, such as absorption with monoethanolamine (MEA), could further reduce the specific energy consumption (SPECCA) and the cost of the entire system. Some hybrid solutions have been proposed, but a process optimization considering techno-economics is still required to assess the potential.