Mitarbeit an einem Forschungsprojekt im Bereich der digitalen Qualitätsbewertung additiv gefertigter (AM) metallischer Luftfahrtkomponenten. Schwerpunkt ist die Mitarbeit an der Entwicklung von Algorithmen sowie das Trainieren von Maschine – Learning Modellen zur echtzeitnahen Detektion von Anomalien im PBF-LB/M durch die Auswertung von hochaufgelösten visuellen Schichtbildern sowie die Analyse der Korrelation zwischen Anomalien und qualitätsrelevanten Bauteilmerkmalen.

• Bewertung eines industriellen In-Situ-Prozessüberwachungssystems mittels Streifenlichtprojektion zur Erkennung von Anomalien anhand von Punktwolken
• Aufsetzen und Verwendung einer Umgebung zum Semi-Supervised Labeln von Schichtbildern, z. B. mit Frameworks wie CVAT, zur Erstellung von Trainingsdatensätzen
• Trainieren und Vergleich von Modellen zur Anomalieerkennung und -klassifizierung auf einem GPU-Server sowie Inferenz auf Nvidia Edge Devices
• Modifizierung und Weiterentwicklung von Open-Source PyTorch- oder TensorFlow-Modellen zur Anomalieerkennung und -klassifizierung
• Refactorieren und Weiterentwicklung von Python-Code zur Analyse von hochaufgelösten Schichtbildern mittels klassischer Computer-Vision-Algorithmen

• Studium (Bachelor ab 4. Semester oder Master) in Informatik, Ingenieurwesen oder Luft- und Raumfahrttechnik
• Sehr gute Python-Kenntnisse und Erfahrung in Computer Vision
• Kenntnisse in Git/GitLab sind von Vorteil

• Attraktives und modernes Arbeitsumfeld mit hervorragender Infrastruktur und Ausstattung auf wissenschaftlich neuestem Stand (Labore, etc.)
• Offener Willkommenskultur, einem zertifiziert familienfreundlichen Arbeitsklima, regelmäßigen Feedbackgesprächen und kompetenten Ansprechpersonen, Nachhaltigkeit (u. a. Zuschuss zum Job-Ticket)
• Möglichkeiten der internen, fachübergreifenden Vernetzung sowie Teilnahme an Teamevents
• Gute Vereinbarkeit von Beruf und Privatleben (Möglichkeit des mobilen Arbeitens – nach Dienstvereinbarung bis zu 60 %, flexible Arbeitszeitgestaltung sowie 30 Tage Urlaub im Jahr)