Master Thesis Machine Learning for retired Lithium-Ion Cell Sorting (all genders)

Master Thesis Machine Learning for retired Lithium-Ion Cell Sorting (all genders)

Standort:

• Darmstadt Fraunhofer-Gesellschaft

Zusammenfassung

• Arbeitszeit: Vollzeit
• Typ: Festanstellung
• Qualifikationslevel: B Ausübungsformen

Gewünschte Fähigkeiten & Kenntnisse

• Machine Learning
• Python
• Make
• Analyse
• CAN
• Origin
• Administration
• Mobile App
• Computer
• Engineering
• Flexibilität

Unsere Leistungen

• Homeoffice

Stellenbeschreibung

Die Fraunhofer-Gesellschaft (www.fraunhofer.com) ist eine der führenden Organisationen für angewandte Forschung weltweit. 75 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 32.000 Menschen aus Technik, Wissenschaft, Verwaltung und IT. Sie wissen: Wer zu Fraunhofer kommt, will und kann etwas bewegen. Für sich selbst, für uns und für die Märkte von heute und morgen.

Unser Team am Fraunhofer LBF forscht an Lösungen für das Design nachhaltiger Werkstoffe, Strukturen und Systeme sowie an Strategien der Kreislaufwirtschaft, die höchsten Ansprüchen an Zuverlässigkeit, Effizienz und Resilienz genügen. Möchten Sie Teil dieses inspirierenden Teams werden? Wir freuen uns auf Ihre Bewerbung!

Master Thesis Machine Learning for retired Lithium-Ion Cell Sorting (all genders) Darmstadt

Mit der global wachsenden Elektromobilität gewinnen das nachhaltige Recycling und die Zweitnutzung von Traktionsbatterien zunehmend an Bedeutung. Am Fraunhofer LBF entwickeln wir ein automatisiertes Demontagesystem für Elektrofahrzeugbatterien. Eine Schlüsselkomponente dieses Prozesses ist die schnelle und zuverlässige Bewertung der einzelnen Zellgesundheit.

Ihre Aufgaben

Die Masterarbeit konzentriert sich auf die Entwicklung eines Machine-Learning-Modells zur automatischen Sortierung gebrauchter Lithium-Ionen-Zellen basierend auf kundenspezifischen elektrochemischen Impedanzspektroskopie (EIS)-Daten. Ziel ist es, ein Modell zu erstellen, das EIS-Messungen verarbeitet und die Zellen der entsprechenden Sortierkategorie zuordnet. Die sortierten Zellen werden anschließend entsprechend ihres vorgesehenen Sekundärverwendungszwecks gruppiert.

Ein Datensatz für das Training und Testen des Modells wird zur Verfügung gestellt. Darüber hinaus soll in der Arbeit untersucht werden, wie sich verschiedene Arten von EIS-Daten auf die Sortiergenauigkeit und die Modellleistung auswirken.

Seien Sie Teil des Wandels

• Literaturrecherche zu Machine-Learning-Methoden für die Klassifizierung von Batteriezellen und die Analyse auf Basis von EIS
• Einarbeitung in den bereitgestellten EIS-Datensatz
• Entwicklung und Training eines Machine-Learning-Modells zur Zellsortierung
• Bewertung der Modellleistung anhand von Testdaten
• Untersuchung des Einflusses verschiedener EIS-Datentypen auf die Sortiergenauigkeit
• Dokumentation der Ergebnisse

Was Sie einbringen

• Elektrotechnik / Mechatronik / Informatik oder verwandte Fachrichtungen
• Starkes Interesse an Machine Learning
• Grundkenntnisse in Python und gängigen Machine-Learning-Bibliotheken
• Grundkenntnisse in Elektrochemie und Batterietechnologie oder Bereitschaft, sich diese anzueignen

Was wir bieten

• Flexible Arbeitsbedingungen mit bis zu 99% Remote-Arbeit
• Bitte beachten Sie: Dies ist eine unbezahlte Abschlussarbeit
• Eine individuell zugeschnittene Aufgabe mit viel Gestaltungsspielraum
• Ein hochaktuelles und praxisrelevantes Forschungsthema mit direktem Bezug zur Kreislaufwirtschaft
• Die Möglichkeit, aktiv an einem innovativen und interdisziplinären Projekt mitzuwirken
• Einblick in aktuelle Entwicklungen der Batteriezell-Demontage und -Diagnostik

Wir schätzen und fördern die vielfältigen Kompetenzen unserer Mitarbeiter:innen und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung, sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt berücksichtigt. Unsere Aufgaben sind vielfältig und anpassungsfähig – für Bewerber:innen mit Einschränkungen arbeiten wir gemeinsam an Lösungen, die ihre Fähigkeiten bestmöglich fördern.

Mit dem Fokus auf die Entwicklung von Schlüsseltechnologien, die für die Zukunft von zentraler Bedeutung sind, und die Ermöglichung der wirtschaftlichen Verwertung dieser Arbeiten durch Wirtschaft und Industrie, spielt Fraunhofer eine zentrale Rolle im Innovationsprozess. Als Vorreiter und Katalysator für bahnbrechende Entwicklungen und wissenschaftliche Exzellenz gestaltet Fraunhofer die Gesellschaft jetzt und in Zukunft.

Kontakt

Haben Sie Fragen zur Stelle? Unser Kollege Savan Dihora steht Ihnen gerne zur Verfügung: Telefon +49 6151 705-573, www.lbf.fraunhofer.de

Fachliche Voraussetzung

• Batterietechnologie
• Circular Economy
• Diagnostische Fähigkeiten
• Elektrochemie
• Elektrotechnik
• Forschung
• Informatik
• Innovation
• Literatur-Rezensionen
• Machine Learning
• Mechatronik
• Molekular- und Zellbiologie
• Programmbibliothek
• Python
• Testdaten

Persönliche Fähigkeiten

• Neugier

Bewerbung

Jetzt bewerben

Branche:

Bildung / Forschung

Arbeitgeber:

Fraunhofer-Gesellschaft

Adresse:

Fraunhofer-Gesellschaft Fraunhoferstr 5 64283 Darmstadt

Web:

http://www.fraunhofer.com, www.lbf.fraunhofer.de