Masterand/in (w/m/d):Stochastische Analyse nachhaltiger Werkstoffe auf Basis mikroskopischer Modelle

Stellenbeschreibung:

Das Institut für Bauweisen und Strukturtechnologie arbeitet an der Entwicklung und der Optimierung von Materialien und deren Verfahrens- und Fügetechnologien bis hin zu neuen Designansätzen und dem Bau von Full-Scale-Demonstratoren. Natürlich gehört auch deren Erprobung und Validierung in spezifischen Prüfanlagen und im Flugversuch zur täglichen Arbeit. Im Fokus stehen dabei faserkeramische, polymere und hybride Verbundwerkstoffe. Die Erforschung von neuen multidisziplinären Auslegungswerkzeugen und digitalen Modellen ist die Basis der Entwicklung der Hardware.

Das erwartet dich

Zur Erreichung von Nachhaltigkeitszielen in Transportmitteln müssen Alternativen zu herkömmlichen Materialien mit schlechtem ökologischem Fußabdruck erforscht werden. Naturfaserkunststoffe (NFK) auf Basis von Flachs oder Hanffasern bieten vielversprechende Möglichkeiten für eine Anwendung in lasttragenden Bauteilen. Allerdings sind ihre Materialeigenschaften stark von der Faserstruktur abhängig und zeigen hohe Streuungen auf. Zum Verständnis der Streuungen und Streuungsquellen können numerische Modelle mittels der Finite‑Element Methode verwendet werden, welche eine virtuelle Materialcharakterisierung ermöglichen.

Deine Aufgaben

Literaturstudie zum aktuellen Stand der Simulationsmethoden von NFK auf mikroskopischer Ebene
Analyse von mikroskopischen Schliffbildern zur Ableitung der Merkmale von NFK
Entwicklung von Algorithmen zur automatisierten Erstellung von mikroskopischen Simulationsmodellen und Generierung von Materialkarten
Berechnung der Einheitszellen zur Analyse der Materialstreuung

Das bringst du mit

Studium im Bereich Luft- und Raumfahrttechnik, Werkstoffwissenschaften, Maschinenbau, Fahrzeugtechnik, oder verwandter Studiengänge
Erfahrung oder gute Kenntnisse in der Finite-Element-Methode (wünschenswert mit dem expliziten Solver LS-DYNA)
Erfahrung mit der Berechnung von Faserverbundmaterialien
Erfahrung oder gute Kenntnisse im Programmieren mit Python
Erfahrung in Methoden des maschinellen Lernens wünschenswert
Eigenverantwortung, strukturierte Arbeitsweise und Engagement
Sehr gute Deutschkenntnisse in Wort und Schrift

Wir freuen uns darauf, dich kennenzulernen!