Das Fraunhofer IGCV ist das erste produktionstechnische Fraunhofer-Institut in Bayern. Wir gestalten den Weg in die Zukunft des effizienten Engineerings, der vernetzten Produktion und der intelligenten Multimateriallösungen zur Sicherstellung der nachhaltigen Wettbewerbsfähigkeit Deutschlands und Europas. Unsere Hauptkunden kommen aus dem Maschinen- und Anlagenbau sowie der Luft- und Raumfahrt- und der Fahrzeugindustrie.
Ziel des Vorhabens ist es Produktionsdaten (z.B. Sensordaten, Materialdaten, …) die in strukturierter Form in einer OWL-Ontologie
vorliegen mithilfe von Graph Neural Networks (GNN) zu analysieren. Dabei soll untersucht werden, ob und wie gut damit Ursache-Wirkzusammenhänge (z.B. Parameter A beeinflusst Materialeigenschaft B) detektiert werden können. Zuerst soll ein systematisch aufgebauter Test-Datensatz erstellt werden („Fiktive Produktion“), an dem die Fähigkeiten der zu entwickelnden GNN-Architekturen nachgewiesen werden sollen. Anschließend sollen die GNN-Architekturen auf bereits bestehende Datensätze aus der additiven Fertigung und Hybridwerkstoffverarbeitung angewandt und validiert werden.
Was Sie bei uns tun
⦁ Erfassen Stand der Technik: Ontologien & Graph Neural Networks (Wie werden GNN bei Ontologien verwendet?)
⦁ Generieren eines Test-Datensatzes (OWL) mit gezielten, zu detektierenden Korrelationen (linear, nonlinear, multivariant, …)
⦁ Konzeption & Implementierung Datenvorverarbeitung (In welche Form müssen die Klassen/Instanzen gebracht werden, um darauf GNN für Analyse von Wirkzusammenhängen anwenden zu können)
⦁ Konzeption und Implementierung der GNNs (Welche Architekturen, z.B. Anzahl der Hidden-Layer, sind sinnvoll?)
⦁ Anwenden und Testen der Algorithmen/Architekturen auf den Testdatensatz (Wie gut können die linearen, nonlinearen, … Einflussfaktoren detektiert werden?)
⦁ Anwenden und Testen der GNNs auf bereits bestehende OWL-Datensätze aus der additiven Fertigung und Hybridwerkstoffverarbeitung
Was Sie mitbringen
⦁ Studium im Bereich Maschinenwesen, Informatik, Mathematik oder Vergleichbarem
⦁ Geübter Umgang mit klassischen maschinellen Lernverfahren (z.B. DeepLearning, SVM)
⦁ Gute Programmierkenntnisse in Python
⦁ Von Vorteil: Kenntnisse zu GNNs, Ontologien
⦁ Sehr zuverlässige und selbstständige Arbeitsweise
Was Sie erwarten können
Wir bieten eine hervorragende Ausstattung und die Möglichkeit, den Einsatz von KI in der Produktion bei uns aktiv mitzugestalten. Als Teil eines sympathischen, motivierten Teams sind Sie an der Realisierung spannender Forschungsprojekte beteiligt und übernehmen verantwortungsvolle Aufgaben mit hohem Gestaltungsspielraum.
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.
Die wöchentliche Arbeitszeit wird individuell vereinbart. Die Stelle kann auch in Teilzeit besetzt werden. Die Vergütung richtet sich nach der Gesamtbetriebsvereinbarung zur Beschäftigung der Hilfskräfte.
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 Ihr Interesse geweckt? Dann bewerben Sie sich jetzt online mit Ihren aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Sie kennenzulernen!
Fragen zu dieser Position beantwortet gerne:
Thomas Bjarsch
0821 90678-274
thomas.bjarsch@igcv.fraunhofer.de
Fraunhofer IGCV
Am Technologiezentrum 2
86159 Augsubrg
Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV
www.igcv.fraunhofer.de
Kennziffer: 78936 Bewerbungsfrist: