Studentische Beschäftigung mit 80 Monatsstunden

Im Rahmen des Forschungsprojektes "Analyse des Zerspan- und Verschleißverhaltens beim Bürstspanen" arbeiten wir an der Entwicklung intelligenter robotergestützter Fertigungsprozesse und innovativer Automatisierungslösungen für die Produktion der Zukunft. Dabei setzen wir modernste Technologien aus den Bereichen Robotik, Künstliche Intelligenz, Machine Learning, Sensorik, Digital Twin und Smart Manufacturing ein. Ziel ist es, den Bürstspanprozess durch datengetriebene Verfahren und adaptive Robotersysteme effizienter, präziser und autonomer zu gestalten sowie die Prozessqualität, Flexibilität und Wirtschaftlichkeit nachhaltig zu verbessern.

• Unterstützung beim Aufbau eines Digitalen Zwillings zur Simulation, Prozessoptimierung und virtuellen Inbetriebnahme (25%)
• Unterstützung bei der Entwicklung von Cobot-Algorithmen für die prozessabhängige Bahnplanung und Kraftregelung (25%)
• Unterstützung bei der Programmierung und Optimierung von Roboterbahnen sowie der Entwicklung adaptiver Bewegungsstrategien (25%)
• Unterstützung bei der Anwendung von Machine Learning und datengetriebenen Methoden zur Prozessoptimierung (20%)
• Unterstützung bei der Planung, Durchführung und Auswertung von Experimenten sowie der Analyse und Dokumentation der Versuchsergebnisse (5%)

Muss-Kriterien

• Nachweisliche gute Programmierkenntnisse in Python
• Gute Kenntnisse in ROS 2
• Gute mathematische Kenntnisse in Linearer Algebra, Optimierungsmethoden und Stochastik
• Gute Deutsch- und/oder Englischkenntnisse; Bereitschaft, fehlende Sprachkenntnisse zu erwerben

Kann-Kriterien

• Erste praktische Erfahrungen mit Industrie- oder kollaborativen Robotern
• Erste Erfahrungen in der Planung, Durchführung und Auswertung von Experimenten
• Erste Erfahrungen in der Programmierung und Inbetriebnahme von Robotersystemen
• Erste Erfahrungen mit KI-Frameworks oder Datenanalysewerkzeugen
• Erste Erfahrungen im Umgang mit Sensorik
• Grundkenntnisse in Motion Planning, Regelungstechnik
• Grundkenntnisse in Machine Learning, Künstlicher Intelligenz, Computer Vision oder datengetriebener Prozessoptimierung
• Grundkenntnisse in CAD, Digital Twin oder Simulationsumgebungen
• Grundkenntnisse im High Performance Computing
• Selbstständige, strukturierte und zuverlässige Arbeitsweise sowie hohe Lernbereitschaft

Ihre vollständige Bewerbung reichen Sie bitte zusammengefasst in einem einzigen PDF-Dokument ein.

Fachlich verantwortlich / Ansprechpartner:in für die Ausschreibung: Xinyu Zhang / Laura Büttner - studenten@iwf.tu-berlin.de
Besetzungszeitraum: 01.09.2026 - 09.06.2027
Bewerbung an: studenten@iwf.tu-berlin.de

Ihre schriftliche Bewerbung mit Anschreiben, Lebenslauf, Immatrikulationsbescheinigung und ggf. aktueller Notenübersicht richten Sie bitte unter Angabe der Kennziffer an die o.g. Beschäftigungsstelle.
Zur Wahrung der Chancengleichheit zwischen Männern und Frauen sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt.