Masterarbeit (w/m/d) - Automatisierung: Abwiegen von Legierungszusammensetzungen

Der Klimawandel und die Ressourcenknappheit sind nur zwei von vielen Faktoren, die eine kontinuierliche und nachhaltige Werkstoffentwicklung unverzichtbar machen. Der Forschungsschwerpunkt des Instituts für Frontier Materials auf der Erde und im Weltraum liegt unter anderem in der Entwicklung innovativer Werkstofflösungen und zugehöriger Prozesstechniken für die Bereiche Luft- und Raumfahrt, Energie, Transport und Sicherheit. In enger Zusammenarbeit mit anderen DLR-Instituten sowie nationalen und internationalen Partnern führen wir sowohl Grundlagen- als auch angewandte Forschung durch.

Das erwartet dich

Für technische Anwendungen, die additiv gefertigte Komponenten aus Werkstoffen mit hoher Festigkeit und guter Wärmeleitfähigkeit erfordern, werden neuartige strukturelle metallische Legierungen entwickelt, die in der Regel eine komplexe Mikrostruktur aufweisen, die in direkter Korrelation mit dem (thermo-) mechanischen Verhalten steht. Die Entwicklung 3D Mikrostruktur während unterschiedlicher externer Einflüsse wird unter anderem mittels Synchrotron-Röntgentomografie untersucht. Diese fortgeschrittene Charakterisierungsmethode liefert heute Datensätze im Bereich mehrerer Terabyte pro Experiment — zukünftig im Petabytebereich. Durch neue Storage- und HPC-Infrastruktur können diese Daten nun KI-basiert direkt verarbeitet werden.

In dieser Masterarbeit soll untersucht werden, ob generalisierte semantische Segmentierung durch moderne KI-Modelle (SAM / CNN / VFM / Multimodal Foundation Models) auf 3D Volumendaten möglich ist. Ziel ist das Erlernen einer semantischen Segmentierung von physikalisch relevanten 3D Mikrostrukturbedeutungen, die robust auf unterschiedliche Legierungssysteme, unterschiedliche Prozesszustände und unterschiedliche Scanparameter übertragbar sind — und nicht für jede einzelne Legierung / jeden einzelnen Datensatz neu trainiert werden müssen.

Deine Aufgaben

• Evaluierung verschiedener Segmentierungskonzepte (3D SAM, VFM für 3D, Hybrid CNN/Transformer)
• Entwicklung geeigneter Losses / Metriken für Cross-Domain Stabilität
• Training / Validierung auf realen 3D Volumen
• Integration der ML-Pipeline in geeignetes Orchestrator-Framework
• Evaluierung der Transferfähigkeit auf neue Legierungen / Prozesszustände / Auflösungsvarianten

Das bringst du mit

• laufendes Masterstudium in Data Science, Informatik, Mathematik, Physik, Materialwissenschaft oder in einem vergleichbaren Studiengang
• Freude am Programmieren und Trainieren von KI-Modellen
• sehr gute Kenntnisse in Python
• Erfahrungen in Pytorch
• Erfahrung in der Nutzung von Git

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position 3606 beantwortet dir gerne:

Eric Breitbarth

Tel.: +49 2203 601 2504

und Frau Katrin Bugelnig, Tel. 02203-601 2030

Beginn der Veröffentlichung: 01.12.2025
Interne Ausschreibungsfrist endet am: 02.01.2026