Tübinger Straße 123, 72762 Reutlingen, Deutschland
Vollzeit
Robert Bosch GmbH
In diesem Praktikum arbeiten Sie an einer anspruchsvollen Aufgabe mit hoher Wirkung an der Schnittstelle von Physik, Ingenieurwesen und maschinellem Lernen: dem Verständnis und der Modellierung der kausalen, physikalischen Dynamik von mikroelektromechanischen Systemen (MEMS). MEMS sind Sensorsysteme, die mikrometergroße mechanische Strukturen mit Elektronik kombinieren. Sie gehören heute zu den am weitesten verbreiteten Sensorsystemen – dank ihrer Funktionalität und ihrer praktisch kleinen Baugröße – und werden in Alltagsgeräten wie Smartphones, Laptops und Autos широко eingesetzt. Dieses Praktikum richtet sich an hochmotivierte Studierende mit starkem akademischem Hintergrund, die Erfahrung darin sammeln möchten, ihre physikalische Intuition und ihr abstraktes Denken auf reale industrielle Systeme anzuwenden.
Die Herstellung der mikrometergroßen Strukturen ist ein mehrstufiger Prozess mit hoher Dimensionalität und anfällig für Störungen sowie Kontamination. Diese Komplexität macht kontrollierte Anpassungen, Optimierungen und Ursachenanalysen zeitaufwendig und erfordert häufig unterschiedliche Vorgehensweisen. Ein kausales Modell – also ein Modell, das die Ursache-Wirkungs-Beziehungen zwischen Systemvariablen über ein Gleichungssystem und eine zugehörige Graphstruktur erklärt – kann diese Ziele effizienter unterstützen. Ziel dieser Arbeit ist es, dass Sie iterativ ein kausales Modell für einen Produktions-Teilprozess erstellen. Dazu erarbeiten Sie sich zunächst anhand bereitgestellter Literatur die Grundlagen der Kausalität und von MEMS-Bauelementen. Anschließend nutzen Sie Ihr erworbenes Wissen über die physikalische Dynamik und Wechselwirkungen sowie deren mathematische Beschreibung, um die Systemgleichungen aus physikalischen Prinzipien herzuleiten und in einer Graphstruktur abzubilden; dabei validieren Sie Ihre Annahmen iterativ gemeinsam mit Fachexpertinnen und Fachexperten. Nach erfolgreicher Modellerstellung vergleichen Sie gängige Algorithmen des maschinellen Lernens, die darauf abzielen, kausale Zusammenhänge aus Daten zu erschließen. Abschließend fassen Sie Ihre Arbeit und Ergebnisse in einem Bericht zusammen.
Die Modellerstellung erfordert ein tiefes Verständnis der physikalischen Dynamik von MEMS und ihrer Fertigung sowie deren mathematische Beschreibung (z. B. Differentialgleichungen). Während des Praktikums entwickeln Sie ein fundiertes Verständnis von MEMS und Kausalität, stärken Ihre Modellierungskompetenzen und sammeln Erfahrung in der Bearbeitung offener industrieller Forschungsfragestellungen.