Deutsches Zentrum für Luft- und Raumfahrt (DLR)

Bachelor / Masterarbeit - Automobiltechnik, Mathematik o.ä. (w/m/d)

Stuttgart

Machine Learning

Mathematik

Python

Top

Jetzt bewerben

Steigen Sie ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt (DLR), um mit Forschung und Innovation die Zukunft mitzugestalten! Mit dem Know-how und der Neugier unserer 11.000 Mitarbeitenden aus 100 Nationen sowie unserer einzigartigen Infrastruktur, bieten wir ein spannendes und inspirierendes Arbeitsumfeld. Gemeinsam entwickeln wir nachhaltige Technologien und tragen so zur Lösung globaler Herausforderungen bei. Möchten Sie diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist Ihr Platz bei uns!

Unser Institut für Fahrzeugkonzepte in Stuttgart sucht eine/n Student/in Automobiltechnik, Mathematik o.ä. (w/m/d), Strukturoptimierung zur effizienten Auslegung von dynamisch belasteten Crashkomponenten

Das erwartet Sie:

Das Institut für Fahrzeugkonzepte erforscht, entwickelt und evaluiert neue Fahrzeugkonzepte und -technologien im Hinblick auf zukünftige Anforderungen an das Verkehrssystem.

Das Urban Modular Vehicle wird im DLR im Rahmen des Projekts Next Generation Car entwickelt. Eine zentrale Herausforderung in der modernen Fahrzeugentwicklung ist es, ein kraftstoffeffizientes und sicheres Fahrzeug zu entwickeln, das immer höheren Anforderungen gerecht wird. Die Strukturoptimierung spielt dabei eine entscheidende Rolle. Diese Optimierungsmethoden ermöglichen es den Entwicklungsingenieuren, optimale und gleichzeitig leichte Fahrzeugstrukturen zu entwerfen. Im Rahmen des Multimaterialdesigns werden Karosseriestrukturkonzepte für alternativ angetriebene Fahrzeuge unter Verwendung einer Vielzahl von Materialien entwickelt. Die Gewährleistung der Crashsicherheit ist ein vorrangiges Ziel in der heutigen Fahrzeugentwicklung. Der derzeitige Entwurfsprozess für crashbelastete Strukturen ist jedoch aufgrund der Komplexität sehr zeitaufwändig. Vor diesem Hintergrund wurden am Institut für Fahrzeugkonzepte neue Strategien entwickelt, um die Crashsicherheit unter vereinfachten Randbedingungen bereits in der Entwicklungsphase abzuleiten. Ziel dieser Arbeit ist es, eine Prozesskette zur Unterstützung dieser neuen Strategien zu entwickeln, wobei der Fokus auf Crashstrukturen wie Batterieboxen und ähnlichen Bauteilen liegt. Abschließend soll die Crashstruktur an einem Gesamtfahrzeug verifiziert werden.

Ihre Aufgaben sind im Einzelnen:

Recherchieren Sie bestehende Prozessketten zur Crash-Optimierung
Untersuchen Sie recycelte Materialien und deren mechanische Eigenschaften, die im Automobilbau, insbesondere bei Crashstrukturen, eingesetzt werden
Entwickeln Sie eine neue Prozesskette zur Optimierung von Crashstrukturen unter Verwendung von Python
Durchführung der Optimierung an den Crashstrukturen
Verifizierung des optimierten Ergebnismodells mit dem FEA-Gesamtfahrzeugmodell
Dokumentieren Sie den gesamten Prozess und die Ergebnisse

Das erwarten wir von Ihnen:

Studierende der Automobiltechnik, der Mathematik, der Computational Science oder einer vergleichbaren Technik
die Fähigkeit, effektiv im Team zu arbeiten
Interesse an Fahrzeugtechnik, maschinellem Lernen und nachhaltigem Design
frühere Erfahrungen mit einer Skriptsprache (z. B. Python) und Vertrautheit mit Software wie LS-Dyna, Primer
Fähigkeit, gründlich, zuverlässig und selbständig zu arbeiten
Fähigkeit zur Ableitung und Verifizierung von Entwurfsmethoden zur Abschätzung der Crashsicherheit von Fahrzeugstrukturen
Kenntnisse und Erfahrungen im Bereich nachhaltiges Design und Ökobilanzierung sind von großem Vorteil
eine Begabung für die rasche Entwicklung und Anwendung praktischer Lösungen ist von Vorteil

Unser Angebot:

Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen Ihnen unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.