About this role
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.
Seit 50 Jahren steht das Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik in Berlin für Exzellenz in der Produktionswissenschaft. Wir widmen uns der Verbindung von Wissenschaft und Praxis im Bereich industrieller Produktion und bieten anwendungsorientierte Systemlösungen für die ganze Bandbreite industrieller Aufgaben – von der Produktentwicklung über den Produktionsprozess, die Instandhaltung von Investitionsgütern und die Wiederverwertung von Produkten bis hin zu Gestaltung und Management von Fabrikbetrieben.
Im Geschäftsfeld Virtuelle Produktentstehung gestalten wir die Digitalisierung des gesamten Produktlebenszyklus – unter dem Einsatz zukunftsfähiger Informationstechnologien und innovativer Vorgehensweisen. Ein Baustein ist dabei die Verarbeitung von 3D-Scandaten hin zu parametrisierten CAD-Modellen. Für die Anwendung von KI-Segmentierungsalgorithmen im Industrie- und Forschungsprojekten suchen wir ab sofort eine Studentische Hilfskraft.
Unterstützen Sie das Geschäftsfeld der Virtuellen Produktentstehung ab dem nächstmöglichen Zeitpunkt und werden Sie Teil des IPK!
Hier sorgen Sie für Veränderung
- Implementierung und Anpassung von KI-Modellen zur Punktwolkensegmentierung (z. B. PointNet++, PointNeXt, PointTransformer)
- Training, Evaluierung und Optimierung der Modelle auf projektspezifischen Punktwolkendatensätzen
- Integration der entwickelten Modelle und Ergebnisse in den bestehenden Software-Demonstrator Scangineering (C++-basiert)
- Unterstützung bei der Schnittstellengestaltung zwischen Python-basierten KI-Frameworks und der C++-Softwarearchitektur
- Durchführung von Literaturrecherchen zu aktuellen Verfahren im Bereich Deep Learning für 3D-Punktwolken und deren Aufbereitung für Projekte und wissenschaftliche Veröffentlichungen