Hintergrund und Motivation Der Wandel zur digitalen Produktion setzt eine verlässliche und umfassende Datenerhebung voraus. Moderne Versuchsstände spielen dabei eine zentrale Rolle: Hier können Antriebskomponenten unter realitätsnahen Bedingungen getestet werden – und gleichzeitig entstehen wertvolle Daten zu deren Verhalten und Wechselwirkungen. Diese Informationen sind das Fundament für digitale Zwillinge, die reale Anlagen virtuell abbilden und so neue Möglichkeiten für Analyse, Optimierung und Überwachung eröffnen. Ein zentrales Problem in der industriellen Praxis liegt jedoch darin, dass die vorhandene Sensorik und Infrastruktur häufig nicht systematisch erfasst oder bewertet wird. Das führt zu ineffizienter Datennutzung: Es besteht das Risiko, relevante Datenquellen zu übersehen oder unnötig in überdimensionierte Sensorik zu investieren. Um innovative digitale Lösungen wie den digitalen Zwilling optimal umzusetzen, ist daher eine genaue Analyse der technischen Komponenten und ihrer Datenpotentiale unabdingbar. Hier setzt deine studentische Arbeit an! Im Rahmen der Inbetriebnahme und Evaluierung eines modernen Versuchsstands erhältst du die Chance, direkt an der Schnittstelle von Hardware, Daten und Digitalisierung zu arbeiten und dabei praxisnahe Erfahrungen zu sammeln.
Aufgabe
Im Mittelpunkt deiner Arbeit steht die Entwicklung einer systematischen Methode zur Identifikation, Klassifikation und Bewertung der eingesetzten technischen Komponenten und Sensoren an einem Versuchsstand für Antriebskomponenten. Ziel ist es, das Datenpotential dieser Komponenten zu erfassen und daraus Empfehlungen für deren optimale Nutzung im Rahmen digitaler Zwillinge abzuleiten. Konkret erwarten dich folgende spannende Aufgabenfelder:- Analyse des Versuchsstands: Erfassung und Dokumentation der verbauten Antriebskomponenten und Sensorik.
- Identifikation von Informationsquellen: Untersuchung, welche messbaren Datenpunkte bereits heute aus der bestehenden Infrastruktur gewonnen werden können.
- Klassifikation und Bewertung: Systematische Einordnung und Bewertung der Komponenten im Hinblick auf ihr Potenzial zur Datengenerierung und deren Beitrag für digitale Modelle.
- Optimierungspotenziale aufzeigen: Entwicklung von Ansätzen, wie die vorhandene Infrastruktur gezielt für datenbasierte Anwendungen – insbesondere den digitalen Zwilling – weiterentwickelt werden kann.
Art:
- Studienarbeit(Master)
- Masterarbeit
Fachrichtungen: (Wi.-Ing.) Maschinenbau, (Wi.-Ing.) Elektrotechnik, Mechatronik
Begin der Arbeit: ab sofort
Zuletzt geändert: 08.07.2025