1 Wissenschaftliche/r Mitarbeiter/in (m/w/d) im Bereich Künstliche Intelligenz zur automatisierten Sichtprüfung von variantenreichen Baugruppen in der E-Antriebsproduktion

Der Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik sucht

1 Wissenschaftliche/r Mitarbeiter/in (m/w/d) im Bereich Künstliche Intelligenz zur automatisierten Sichtprüfung von variantenreichen Baugruppen in der E-Antriebsproduktion

Das Aufgabengebiet umfasst u. a.

Die Sichtprüfung (auch: Sichtkontrolle, optische Inspektion) ist ein wichtiger Bestandteil einer jeden Produktion, um Halbzeuge, Bauteile sowie montierte Baugruppen auf Fehler hin zu prüfen. Auch bei der Produktion von elektrischen Antriebskomponenten wie Elektromotoren, Umrichtern oder Getrieben spielen Sichtprüfprozesse eine wesentliche Rolle. Je nach Prüftiefe finden sie bei Wareneingang, bei der Fertigstellung einzelner Bauteile oder am Ende einer Montagelinie statt. Während klassische Bildverarbeitungsverfahren bei komplexen Fehlerbildern schnell an ihre Grenzen stoßen, bergen Methoden der Künstlichen Intelligenz (KI) das Potential, auch schwierige, bislang manuell durchgeführte Sichtprüfungsaufgaben zu automatisieren.
Da gängige Deep-Learning-(DL)-Verfahren eine große Menge an Trainingsdaten erfordern, sind sie bei Prüfobjekten mit hoher Varianz und kleinen Losgrößen bislang kaum anwendbar. Ferner sind bestehende DL-Werkzeuge auf die Auswertung einzelner Bilder beschränkt, obgleich der Mensch mehrere Bildperspektiven einbezieht, um auch komplexe Fehler an räumlichen Baugruppen mit metallisch reflektierenden Oberflächen sicher zu erkennen. Ein weiterer Grund für die teils zögerliche Adaption von DL-Verfahren liegt in deren Black-Box-Charakter sowie der bislang fehlenden Möglichkeit, vorhandenes Wissen in Form von Fakten und Regeln einzubeziehen.
Demnach ist es das Ziel der vorliegenden Forschungstätigkeit, den genannten Herausforderungen durch die Entwicklung einer hybriden, dateneffizienten KI-Lösung zu begegnen, welche innovative, datenbasierte Ansätze wie Multi-View/Multi-Task, Few-Shot und Active Learning mit klassischen Bildverarbeitungsverfahren vereint, um künftig auch variantenreiche Bauteile und Baugruppen von E-Antrieben automatisch zu inspizieren. Die Bearbeitung des Forschungsvorhabens erfolgt in Zusammenarbeit mit einem Bildverarbeitungsspezialisten und einem Produzenten von E-Antrieben im Rahmen eines mehrjährigen, öffentlich geförderten Forschungsprojekts.

Die inhaltlichen Schwerpunkte bilden:

• Aufarbeitung des Stands der Technik und Forschung im Bereich der KI-gestützten Sichtprüfung, insb. von räumlichen, nicht flachen Baugruppen
• Ist-Analyse eines exemplarischen, bislang manuellen Sichtprüfungsprozesses aus der E-Antriebsproduktion und Spezifikation von Anforderungen in Zusammenarbeit mit den Unternehmenspartnern
• Untersuchung von aktuellen KI-Methoden im Hinblick auf deren Eignung für die vorliegende Sichtprüfungsaufgabe (z.B. Multi-View Learning, Multi-Task Learning, Few-Shot Learning, Active Learning, synthetische Datengenerierung, Explainable AI, Hybrid AI)
• Ableitung und programmiertechnische Umsetzung eines ausgewählten Lösungskonzepts unter Anwendung von Python, einschlägigen Open-Source-Programmbibliotheken (z.B. PyTorch, TensorFlow, OpenCV, scikit-learn) sowie einer geeigneten Versionsverwaltung (z.B. GitHub, GitLab)
• Iterative Weiterentwicklung und Optimierung der zugrundeliegenden KI-Modelle im Sinne einer agilen Softwareentwicklung
• Erprobung des Lösungskonzepts im lehrstuhleigenen Laborumfeld sowie beim Unternehmenspartner
• Erarbeitung eines passenden ModelOps-Ansatzes für den perspektivischen Einsatz im Serienbetrieb

Die Aufgaben sind eingebettet in:

• Enge Forschungskooperation mit Industrieunternehmen für hohen Praxisbezug und gegenseitigen Wissenstransfer
• Austausch mit der wissenschaftlichen Community im Bereich der angewandten KI durch reges Publizieren (z.B. Konferenzen, Journals)
• Engagement in der Lehre (z.B. Machine Learning for Engineers I+II, Project Seminar on Applied AI) und dem Forschungstransfer (z.B. Messen, Seminare)
• Unterstützung bei der Beantragung von weiteren, zukunftsträchtigen KI-Projekten zu aktuellen Problemstellungen in der industriellen Produktion

Notwendige Qualifikation

• Ingenieur/in (Uni/TU/FH/TH, Master/Diplom) der Fachrichtung Informatik, Elektrotechnik, Mechatronik, Maschinenbau, Medizintechnik, Wirtschaftsingenieurwesen oder vergleichbar
• Sicherer Umgang mit mindestens einer objektorientierten Programmiersprache, vorzugsweise Python
• Erste Erfahrungen im Einsatz von Methoden der Künstlichen Intelligenz, insb. Machine Learning und Deep Learning
• Grundlagenkenntnisse im Bereich der Bildverarbeitung

Wünschenswerte Qualifikation

Hohe Kommunikationsfähigkeit, ein ausgeprägtes Projektdenken sowie ein hohes Maß an Selbstständigkeit zur eigenverantwortlichen Projektbearbeitung

Bemerkungen

Es erwartet Sie ein kreatives, interdisziplinäres Umfeld, das Ihnen viele Möglichkeiten bietet, eigene Ideen einzubringen und umzusetzen. Für die Forschungsarbeiten steht eine umfangreiche Laborausstattung nach aktuellem Stand der Technik sowie ein breites Netzwerk an Unternehmenskontakten zur Verfügung.

Bewerbungsschluss
31.10.2022

Detailinformationen

Stellenbezeichnung
1 Wissenschaftliche/r Mitarbeiter/in (m/w/d) im Bereich Künstliche Intelligenz zur automatisierten Sichtprüfung von variantenreichen Baugruppen in der E-Antriebsproduktion
Besetzung zum
baldmöglichst

Entgelt
TV-L E13 (je nach Qualifikation und persönlichen Voraussetzungen)
Teilzeit / Vollzeit
Vollzeit
Befristungsgrund
befristetes Forschungsvorhaben

Kontaktperson für weitere Informationen
Prof. Dr.-Ing. Jörg Franke
Telefon: +49 9131 85-27569
E-Mail: joerg.franke@faps.fau.de
Link: http://www.faps.fau.de
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)
Egerlandstr. 7
91058 Erlangen Bayern
Übersicht

Für alle Stellenausschreibungen gilt: Die Friedrich-Alexander-Universität fördert die berufliche Gleichstellung der Frauen. Frauen werden deshalb ausdrücklich aufgefordert, sich zu bewerben.

Schwerbehinderte im Sinne des Schwerbehindertengesetzes werden bei gleicher fachlicher Qualifikation und persönlicher Eignung bevorzugt berücksichtigt, wenn die ausgeschriebene Stelle sich für Schwerbehinderte eignet. Details dazu finden Sie in der jeweiligen Ausschreibung unter dem Punkt "Bemerkungen".

Bei Wunsch der Bewerberin, des Bewerbers, kann die Gleichstellungsbeauftragte zum Bewerbungsgespräch hinzugezogen werden, ohne dass der Bewerberin, dem Bewerber dadurch Nachteile entstehen.

Ausgeschriebene Stellen sind grundsätzlich teilzeitfähig, es sei denn, im Ausschreibungstext erfolgt ein anderweitiger Hinweis.