Abschlussarbeit Multi-agent Reinforcement Learning

Die Fraunhofer-Gesellschaft betreibt in Deutschland derzeit 76 Institute und Forschungseinrichtungen und ist eine der führenden Organisationen für anwendungsorientierte Forschung. Rund 32 000 Mitarbeitende erarbeiten das jährliche Forschungsvolumen von 3,4 Milliarden Euro.

Das **Fraunhofer Institut für Produktionsanlagen und Konstruktionstechnik IPK** **Berlin** steht seit über 35 Jahren für Exzellenz in der Produktionswissenschaft. Ob Industrie 4.0, Additive Fertigung, Smart Maintenance oder Künstliche Intelligenz - wir betrachten alle Aspekte solcher Trendthemen ganzheitlich entlang der gesamten Prozesskette, vom Produktionsmanagement über die Produktentwicklung und Fertigung bis zur Instandhaltung von Investitionsgütern.

**Was Sie bei uns tun**

In der modernen Produktionssteuerung wird die Fähigkeit zur autonomen Entscheidungsfindung und Zusammenarbeit zwischen verschiedenen Systemkomponenten zunehmend wichtiger. Multi-Agent Reinforcement Learning (MARL) bietet einen vielversprechenden Ansatz, um die Koordination und Interaktion zwischen autonomen Systemen effizient zu gestalten. Besonders in dynamischen, komplexen Umgebungen, wie sie in der industriellen Produktion vorkommen, kann MARL entscheidende Vorteile bieten.

Die Steuerung und Koordination von verteilten, autonomen Systemen stellt in der Produktion eine zentrale Herausforderung dar. Während herkömmliche, zentralisierte Steuerungsmethoden oft ineffizient und schwer skalierbar sind, bieten dezentrale Ansätze, insbesondere auf Basis von MARL, eine Möglichkeit, autonom handelnde Einheiten effektiv zu koordinieren. Durch Lernen aus Interaktionen mit der Umgebung können Agenten in einem Multiagentensystem komplexe Aufgaben lösen und dabei flexibel auf Veränderungen reagieren.

Ziel dieser Arbeit ist die Entwicklung und Evaluation eines MARL-Ansatzes zur Steuerung und Koordination autonomer Agenten in einem industriellen Kontext. Der Ansatz soll untersuchen, wie kooperative Entscheidungsfindung und die Anpassungsfähigkeit an dynamische Umgebungen durch MARL ermöglicht werden können.

Als Anwendungsbeispiel dient die Koordination von autonomen Transportrobotern (AGVs) in der Logistik, um die Praxistauglichkeit des entwickelten Ansatzes zu bewerten. Folgende Aufgaben sind im Rahmen der Abschlussarbeit zu erledigen:

- Durchführung einer umfassenden Literaturrecherche zu Multi-Agent Reinforcement Learning und Multiagentensystemen
- Entwicklung eines konzeptionellen Modells zur Steuerung und Koordination autonomer Agenten auf Basis von MARL
- Implementierung eines MARL-Ansatzes zur Untersuchung der Agenteninteraktionen in einem industriellen Anwendungsfall
- Analyse und Evaluation der entwickelten Methode anhand einer simulierten Umgebung, beispielsweise zur Koordination von AGVs in der Logistik
- Diskussion der Ergebnisse und Ableitung von Optimierungsstrategien

**Was Sie mitbringen**
- Laufendes Studium der (Wirtschafts-)Informatik, Informationstechnik im Maschinenwesen, Physikalische Ingenieurwissenschaften, Maschinenbaus oder verwandter Fachgebiete
- Erfahrung in der Anwendung von Methoden des Reinforcement Learning
- Kenntnisse im Bereich der Multiagentensysteme sind von Vorteil
- Einschlägige Erfahrungen in der Softwareentwicklung mit Python, Java, Kotlin, C#, C++ oder anderen Programmiersprachen
- Eigeninitiative, selbstständige und strukturierte Arbeitsweise sowie Interesse am wissenschaftlichen Arbeiten

**Was Sie erwarten können**
- Aufgeschlossene Arbeitsatmosphäre in einem freundlichen, internationalen und motivierten Team
- Flexible Arbeitszeiten, eigenverantwortliches Arbeiten und Raum für eigene Ideen
- Intensive Betreuung der Abschlussarbeit
- Einblicke in die wissenschaftliche Arbeit des Institutes
- Zeitliche Einteilung der Arbeit ist flexibel, Dauer der Abschlussarbeit wird individuell abgestimmt
- Beginn der Abschlussarbeit ist ab sofort möglich

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 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**

Bei Fragen wenden Sie sich gern an:
Herrn

**Dipl.Ing. Christopher Mühlich**

Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK

Kennziffer: