Masterand in Für Die Optimierung Von Ki-modellen

Die Fraunhofer-Gesellschaft betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist die weltweit führende Organisation für anwendungsorientierte Forschung. Rund 30 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 2,9 Milliarden Euro. Das Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF in Darmstadt arbeitet mit Industrie und Forschung auf nationaler und internationaler Ebene an führender Stelle. Die Forschungsaufgaben des Instituts orientieren sich an konkreten Fragestellungen im Bereich der Betriebsfestigkeit, Systemzuverlässigkeit, Adaptronik und Kunststoffe. Die Abteilung **„Strukturdynamik und Schwingungstechnik“** beschäftigt sich mit der Analyse, Optimierung und Bewertung von Strukturen und Systemen unter Berücksichtigung der mechanischen Schwingungen und akustischen Abstrahlung. Ziel ist die Erhöhung der Präzession, des Komforts und der Lebensdauer. Neben dem klassischen Vorgehen werden auch neuartige Verfahren z.B. Systeme mit künstlicher Intelligenz und probabilistische Fehlermöglichkeits - und -einflussanalysen (FMEA) und Methoden wie z.B. programmierbare Materialien sowie Metamaterialien eingesetzt und weiterentwickelt. **Ab sofort **sucht die Abteilung „**Strukturdynamik und Schwingungstechnik**", für den Standort Darmstadt-Kranichstein, eine*n **Masterand*in für das Thema „Optimierung der Modellgenauigkeit von KI-Modellen zur Vorhersage dynamischer Systeme durch Adaptive Sampling aus FE-Modellen am Beispiel von LOLIMOT“** **Was Du bei uns tust** **Hintergrund**: Künstliche Intelligenz (KI) wird zunehmend eingesetzt, um komplexe, nichtlineare Systeme vorherzusagen und zu optimieren. Eine wichtige Herausforderung bei der Verwendung von KI-Modellen ist, dass sie genaue und zuverlässige Vorhersagen treffen müssen, um in der Praxis nützlich zu sein. In vielen Fällen ist es schwierig, genügend Daten zu sammeln, um ein KI-Modell mit ausreichender Genauigkeit zu trainieren. Finite-Elemente-Modelle werden in der Praxis häufig zur Simulation und Analyse komplexer physikalischer Systeme verwendet. Diese Modelle können jedoch sehr groß und rechenintensiv sein, was ihren Einsatz zur Optimierung von KI-Modellen erschwert. In dieser Masterarbeit soll daher untersucht werden, wie adaptives Sampling von FE-Modellen eingesetzt werden kann, um gezielt Datenpunkte auszuwählen, die zur Verbesserung der Modellgenauigkeit beitragen. **Ziel**: Das Ziel dieser Masterarbeit ist die Entwicklung und Implementierung eines Verfahrens zum adaptiven Sampling von FE-Modellen zur Optimierung eines KI-Modells zur Vorhersage dynamischer Systeme am Beispiel von LOLIMOT. LOLIMOT ist ein auf Fuzzy-Logik basierendes KI-Modell, das und zur Vorhersage dynamischer Systeme eingesetzt werden kann. Das Verfahren soll so gestaltet werden, dass es in der Lage ist, die auszuwertenden Stichproben automatisch auszuwählen, um die Modellgenauigkeit zu maximieren. Das Verfahren soll anhand von Beispielen aus der Praxis getestet und validiert werden, um seine Effizienz und Anwendbarkeit zu demonstrieren. **Aufgaben**: - Einarbeitung in die Grundlagen des adaptiven Samplings, KI-Modelle und dynamische Systeme - Implementierung des Verfahrens zum adaptiven Sampling von FE-Modellen am Beispiel von LOLIMOT - Testen und validieren des Verfahrens anhand von Beispielen aus der Praxis - Vergleich der Ergebnisse mit anderen Verfahren zur Verbesserung der Modellgenauigkeit - Dokumentation der Arbeit in Form einer Masterarbeit **Was Du mitbringst** - Abgeschlossenes Bachelorstudium im Bereich Informatik, Mathematik, Maschinenbau oder einer ähnlichen Disziplin - Erfahrung in der Programmierung mit Python - Kenntnisse in der Finite-Elemente-Methode und der Modellierung dynamischer Systeme sind von Vorteil, aber nicht zwingend erforderlich. **Was Du erwarten kannst** - Vielseitige packende Projekte mit hohem Praxisbezug - Gestaltungsfreiraum in der Forschung und individuelle Entwicklung durch Weiterqualifizierung (u. a. Karriereprogramme, Fortbildungen und Trainings) - Work-Life-Balance durch flexible Arbeitszeiten und Unterstützungsangebote zur Vereinbarkeit von Familie und Beruf - Einen Einstieg in eine wissenschaftliche Karriere - Verantwortungsvolle Aufgaben, mit denen Sie Ihre Kompetenzen ausbauen - Ein kreatives Umfeld und Technik auf höchstem Niveau - Ein Sprungbrett in die Wirtschaft 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. Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innova