Doktorand*in für Promotion "Autonomous Reality Capture AI-native Digital Factory Twins

Doktorand
* in für Promotion "Autonomous Reality Capture for AI-native Digital Factory Twins"

Die Dissertation ist im Bereich MO360 Digital Factory Twin bei Mercedes-Benz Manufacturing Engineering (MO/ET) angesiedelt. Unser Team gestaltet die digitale Transformation der Produktionsplanung und Fabrikentwicklung durch den Aufbau des Digital Factory Twin als zentrale Plattform für Planung, Analyse und Optimierung zukünftiger Produktionssysteme.

Eine zentrale Herausforderung für Digitale Zwillinge besteht darin, reale Fabrikumgebungen kontinuierlich, präzise und automatisiert zu erfassen. Trotz erheblicher Fortschritte in den Bereichen Computer Vision, Foundation Models und Generativer KI basiert die Aktualisierung industrieller Digital Twins heute noch häufig auf manuellen Prozessen oder punktuellen Vermessungen.

Für die Fabrik der Zukunft werden autonome Systeme benötigt, die Produktionsumgebungen selbstständig erfassen, Veränderungen erkennen und diese Informationen automatisch in digitale Modelle überführen. Hierzu eröffnen neue Technologien wie autonome Drohnen, mobile Roboter, Vision Language Models (VLMs), multimodale Foundation Models sowie moderne 3D-Rekonstruktionsverfahren völlig neue Möglichkeiten.

Die Promotion ist in aktuelle Forschungsaktivitäten innerhalb der ARENA
2036 eingebettet und erfolgt in enger Zusammenarbeit mit Mercedes-Benz Research and Development India (MBRDI). Gemeinsam erforschen Sie innovative Ansätze an der Schnittstelle von Robotik, Computer Vision und Generativer KI, um autonome Reality-Capture-Systeme und selbstaktualisierende Digitale Zwillinge für die Fabrik der Zukunft zu entwickeln.

Mögliche Forschungsfragen (werden gemeinsam mit Universität und Mercedes-Benz konkretisiert)

• Wie können autonome Drohnen und mobile Robotersysteme Produktionsumgebungen sicher und effizient erfassen?
• Wie können Bild-, Video-, LiDAR- und Sensordaten automatisch zu konsistenten Digital Twins zusammengeführt werden?
• Welche Potenziale bieten Vision Language Models (VLMs) und multimodale Foundation Models für das Verständnis industrieller Umgebungen?
• Wie können Veränderungen in Fabriken automatisiert erkannt, klassifiziert und dokumentiert werden?
• Welche Methoden ermöglichen die direkte Überführung von Reality-Capture-Daten in semantisch angereicherte 3D-Modelle?
• Wie können Sicherheits-, Datenschutz- und Governance-Anforderungen für autonome Datenerfassungssysteme berücksichtigt werden?
• Wie können autonome Erfassungssysteme nahtlos in industrielle Digital-Twin- und Metaverse-Plattformen integriert werden?

Erwarteter wissenschaftlicher Beitrag

• Evaluation und Prototypische Umsetzung autonomer Reality Capture Methoden anhand realer Fabrikumgebungen von Mercedes-Benz
• Kombination von Robotik, Computer Vision und Generativer KI zur automatisierten Erfassung und Interpretation von Produktionsbereichen
• Wissenschaftliche Erkenntnisse für selbstaktualisierende Digitale Zwillinge
• Ableitung konkreter Mehrwerte für Planung, Betrieb und Optimierung zukünftiger Produktionssysteme

Die finale Ausgestaltung des Promotionsthemas erfolgt in enger Abstimmung zwischen Ihnen, der Universität und Mercedes-Benz.

Die Tätigkeit kann ab Mitte Oktober 2026 beginnen.

Einstellungsvoraussetzung ist die Betreuung des Promotionsvorhabens durch einen Hochschullehrenden. Die Auswahl einer entsprechenden Betreuungsperson obliegt dem Promovierenden.

Fachliche Voraussetzungen

• Überdurchschnittlich abgeschlossenes Masterstudium in Informatik, Robotik, Elektrotechnik, Computer Engineering, Mechatronik, Data Science, Computational Engineering oder einem vergleichbaren Studiengang
• Sehr gute Kenntnisse in Python
• Erste Erfahrung mit Machine-Learning-Frameworks wie PyTorch, Tensor Flow oder vergleichbaren Technologien
• Erste praktische Erfahrung im Umgang mit Generativen KI-Modellen, Vision Language Models oder multimodalen Foundation Models
• Interesse an den Bereichen autonome Systeme, Computer Vision, Robotik und Digitale Zwillinge

Wünschenswerte Kenntnisse

• Digitale Zwillinge
• Reality Capture Technologien
• LiDAR- und Sensordatenverarbeitung
• SLAM (Simultaneous Localization and Mapping)
• Gaussian Splatting oder Neural Rendering
• 3D-Rekonstruktion
• Compute…