Um die Feinstaubbelastung (durch vornehmlich submikrone Partikeln) an metallverarbeitenden Arbeitsplätzen (Drehen, Schleifen, Schweißen, …) zu mindern, finden sogenannte Entstaubungsanlagen (bspw. Nasswäscher) Anwendung.

Zur ressourceneffizienten nachhaltigen autonomen Steuerung dieser Entstaubungsanlagen ist die in-line Charakterisierung der partikelbeladenen Gasströmung (nach Partikelkonzentration (PC) und Partikelgrößenverteilung (PGV)) von zentraler Bedeutung. Aus diesem Grund werden kostengünstige Partikelsensoren benötigt, welche in der Lage sind auch bei komplexen Prozessparametern (z.B.: hohe Strömungsgeschwindigkeiten, hohe relative Luftfeuchten) das Aerosol (PC, PGV) zuverlässig zu charakterisieren.

Der aktuelle Stand der Technik stellt hier aber lediglich Labormesstechnik zur Verfügung, welche zum einen zu teuer (~20.000€) und zum anderen unzureichende Konnektivitäten für die Weiterverarbeitung der Messdaten (Postprocessing) zur Verfügung stellt.

Aus diesem Grund soll untersucht werden, inwiefern Low-Cost Partikelsensoren (~40€ - 1000€), welche zur kostengünstigen Messung der Luftqualität entwickelt wurden, für die Anwendung in digitalisierten Entstaubungsanlagen geeignet sind. Hierbei sollen zusätzlich Machine Learning Methoden zum Postprocessing (Regressionsmodelle, Gaussche Prozesse, Neuronale Netze, …) auf ihre Anwendbarkeit getestet werden.

Aufgrund der Vielfältigkeit des Forschungsprojektes, kann ich dir sowohl experimentelle (Optimierung von Betriebsverhalten, Untersuchung grundlegender Mechanismen), als auch theoretische (Anwendung und Testung von KI Ansätzen zur Optimierung von Messdaten, Strömungssimulationen) und konstruktive Abschlussarbeiten anbieten.

Gerne biete ich dir außerdem die Möglichkeit an, deine Ergebnisse im Rahmen von Projekttreffen mit meinem Industriepartner (KMU in Deutschland) vorzustellen.

Falls du Interesse für das Potential der Anwendung von Methoden der Künstlichen Intelligenz im Hinblick auf digitalisierte Prozesse in der Verfahrenstechnik mitbringst und Interesse daran hast deine Fähigkeiten im Zukunftsthema Machine Learning zu erweitern, freue ich mich wenn du mir eine Mail schreibst oder anrufst. Im Anschluss können wir die Abschlussarbeit gerne nach deinen Interessen und Wünschen gemeinsam ausrichten.

Was ich dir anbieten kann:

• Ich pflege eine intensive Betreuung mit meinen Studierenden mit regelmäßigen Terminen (sofern gewünscht) und bin jederzeit bei Problemen ansprechbar
• Ich gebe meinen Studierenden Freiraum um selber Ideen in die Abschlussarbeit einbringen zu können
• Die Abschlussarbeit ist deine Arbeit und nicht meine, weswegen ich dir bevorzugt beratend zur Seite stehe
• Einen festen Arbeitsplatz (inkl. IT-Ausstattung) in einem Büro am Institut oder am Versuchsstand während der Abschlussarbeit (sofern verfügbar)
• Den vermutlich besten frisch gemahlenen Filterkaffee am KIT

Deine Aufgaben gestalten sich wie folgt:

• Eine kurze Einarbeitung in die Grundlagen der Partikelabscheidung und Partikelmesstechnik (Low-Cost PM Sensoren)
• Je nach konkretem Thema Einarbeitung in KI-Ansätze, CFD-Simulationen, Konstruktion, die Versuchsanlage (Labortätigkeit), …
• Erstellung und Nachverfolgung eines Projektplans für deine Abschlussarbeit

Was du für die Arbeit mitbringen solltest:

• Spaß neues zu lernen und auszuprobieren
• Hohes Maß an Selbstständigkeit
• Kommunikationsfähigkeit
• Zielorientiertes Arbeiten
• Studiengang: CIW/VT, BIW, MACH, Informatik, Mathematik

Kontakt:
Felix Reinke, M.Sc.
E-Mail: felix.reinke∂kit.edu
Tel.: +49 721 608-46575