Werkstudent/in (w/m/d) - Explainable AI for Deep Learning-based Remaining Useful Life Prediction Stellendetails

Aktuell stellen wir unser Jobportal um. In der Übergangsphase findest du hier weitere Stellen: bisheriges DLR-Jobportal

Werkstudent/in (w/m/d) - Explainable AI for Deep Learning-based Remaining Useful Life Prediction

Stellenbeschreibung

Kennziffer: 2397

Arbeitsort: Braunschweig

Eintrittsdatum: ab sofort

Karrierestufe: Studentische Tätigkeit, Studien- & Abschlussarbeit

Beschäftigungsgrad: Teilzeit

Dauer der Beschäftigung: 6 Monate

Vergütung: Die Vergütung erfolgt gemäß der jeweils geltenden Tarifverträge des öffentlichen Dienstes (Bund).

Steige ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt e. V. (DLR), um mit Forschung und Innovation die Zukunft mitzugestalten! Mit dem Know-how und der Neugier unserer 11.000 Mitarbeitenden aus 100 Nationen sowie unserer einzigartigen Infrastruktur bieten wir ein spannendes und inspirierendes Arbeitsumfeld. Gemeinsam entwickeln wir nachhaltige Technologien und tragen so zur Lösung globaler Herausforderungen bei. Möchtest du diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist dein Platz bei uns!

Herzlich willkommen am Institut für Flugsystemtechnik. Im Zentrum unserer Arbeit steht das Zusammenspiel von Flugzeugkonfiguration, Pilotinnen und Piloten und moderner Flugsystem-Technologie. Von der Flugdynamik bis zu unbemannten Luftfahrzeugen, von der Simulation bis zum realen Flugversuch – wir analysieren, testen und entwickeln Innovationen, die das Fliegen der Zukunft prägen.

Das erwartet dich
Zur Vorhersage der Restnutzungsdauer (RUL) von elektromechanischen Flugsteuerungsaktuatoren (EMA) ist es notwendig, mechanische Komponenten, wie die Kugellager zu überwachen, z. B. durch Beschleunigungsmessungen am EMA-Gehäuse. Durch die ständigen Anpassungen der Flugsteuerungsflächen, in Kombination mit übermäßigen Belastungen während des Flugbetriebs, wird das Degradationsverhalten der Kugellager in den überwachten Daten sichtbar. Diese Degradation kann dann mit Hilfe von Deep Learning-basierten Gesundheitsindikatoren als Grundlage für die RUL-Vorhersage modelliert werden. Aufgrund der Black-Box-Eigenschaften von Deep-Learning-Modellen ist die Zuverlässigkeit der Ergebnisse jedoch begrenzt. Die Verbesserung dieser Vertrauenswürdigkeit ist für solche sicherheitskritischen Systeme besonders wichtig. Im Rahmen einer Masterarbeit sollen daher Ansätze zur Erklärbarkeit untersucht werden.

Deine Aufgaben

Literatur-Recherche zu existierenden Entwicklungsmethoden für deep-learning-basierte Zustandsindikatoren
Identifizierung, Vorverarbeitung und Aufbereitung bestehender Datenbanken
Implementierung von erklärbaren KI-Methoden in Python für Run-to-Failure-Datensätze von rotierenden Kugellagern
Visualisierung der Ergebnisse
Charakterisierung des Degradationsverhaltens und der Unsicherheiten des Schätzungsprozesses

Das bringst du mit

aktuelles Masterstudium aus den Bereichen Maschinenbau, Informatik, Sicherheitstechnik oder ähnlichem Studiengang
gute Programmierkenntnisse in Python
gute Kenntnisse auf dem Gebiet der künstlichen Intelligenz
gute Kenntnisse auf dem Gebiet der mechatronischen Systeme und deren dynamisches Verhalten
sehr gute englische Sprachkenntnisse

Das bieten wir dir

Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen dir unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 2397) beantwortet dir gerne:

Lauri Bodenröder
Tel.: 0531 295-1446