Im Institut für Technische Physik werden Lasersysteme für Anwendungen in der Luft- und Raumfahrt sowie in den Bereichen Sicherheit und Verteidigung entwickelt. An den Institutsstandorten Stuttgart und Lampoldshausen bearbeiten Wissenschaftler, Ingenieure und Techniker interdisziplinär Fragestellungen zu den Schwerpunkten Detektion von Weltraumschrott, Nachhaltigkeit in der Raumfahrt, Laser- Ferndetektion von Schadstoffen, Lasereffektoren und lasergestützte Fluginstrumentierung. 

Die Abteilung „Aktive Optische Systeme“ ist unter anderem auf die Optikqualifizierung für Raumfahrtmissionen spezialisiert. In diesem Kontext werden verschiedene Effekte wie laserinduzierte Kontamination und Zerstörschwellen von Laseroptiken untersucht. Darüber hinaus entwickelt die Abteilung Systeme, die thematisch in diesen Bereich fallen, beispielsweise zur Detektion und Überwachung von Kontaminationen. 

Das erwartet dich:

Komplexe ESA-Missionen wie die Laser Interferometer Space Antenna (LISA) stellen sehr hohe Anforderungen an die Wellenfront der verwendeten Laser, weshalb insbesondere die Vermeidung partikulärer Kontamination während der Integration optischer Komponenten von Bedeutung ist. Bei gepulsten UV Lasern wie bei Aeolus können Partikel als Precursor für Laser-induzierte Schäden bzw. Laser-induzierte Kontamination (LID/LIC) wirken. Um partikuläre Kontamination während des Integrationsprozesses zu überwachen, kann Streulicht mit einer Kamera aufgezeichnet werden, um Partikel zu identifizieren und zu klassifizieren. Damit dies in Echtzeit möglich ist, sind geeignete Algorithmen von großer Bedeutung. Um die Rechenzeit zu verkürzen, bieten sich Machine-Learning-Algorithmen an.

Deine Aufgaben:

•    Einarbeitung in die Bereiche „Image Processing“ und „Machine Learning“
•    Erstellung von Trainings- und Testdaten im Labor mit verschiedenen Kontaminanten
•    Testen und Validieren der Leistungsfähigkeit verschiedener Architekturen und Modelle
•    Überprüfung der Algorithmen auf Erfüllung spezifischer Anforderungen, wie z.B. Partikelgröße und Unterscheidung von Kratzern
•    Optimierung der Modelle hinsichtlich der Geschwindigkeit (z.B. durch leichte Architekturen oder Modellpruning) für Echtzeitanalysen
•    Dokumentation der Ergebnisse

Das bringst Du mit

•    Studium im Bereich Informatik, Maschinenbau, Luft- und Raumfahrttechnik oder ähnlicher Ingenieurswissenschaften
•    Gute Programmierkenntnisse und Vorerfahrung mit Python
•    Optimalerweise erste Kenntnisse im Bereich Bildverarbeitung und/oder Machine Learning
•    Selbständige und strukturierte Arbeitsweise

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 2308) beantwortet dir gerne:

Wolfgang Riede 
Tel.: +49 711 6862 515