Waldkirch: Thesis: AI meets 3D - Deep-Learning-Methoden für Echtzeit-Logistikanwendungen

Sommersemester 2026 - befristet auf 6 Monate

Die Automatisierung in der Logistik stützt sich zunehmend auf die Analyse von 3D-Daten. Eine zentrale Anwendung ist die Form- und Objekterkennung von Versandgütern. Die Verarbeitung großer Punktwolken stellt jedoch eine Herausforderung dar, da aus vielen Millionen Messpunkten die relevantesten Informationen extrahiert werden müssen. Ziel dieser Arbeit ist die Erforschung und Entwicklung von Deep-Learning-Methoden zur effizienten Reduktion und Analyse von 3D-Punktwolken. Reale Daten und ein praxisnahes Anwendungsszenario stehen für die Evaluation zur Verfügung.

IHRE AUFGABEN:

• Recherche aktueller Deep-Learning-Ansätze zur Verarbeitung von 3D-Punktwolken und deren Einsatz in der Formerkennung

• Einarbeitung in bestehende Technologien zur 3D-Datenanalyse

• Entwicklung von Methoden zur Reduktion von Punktwolken auf die informationsreichsten Punkte

• Durchführung und Auswertung von Experimenten

• Dokumentation der Ergebnisse

IHR PROFIL:

• Studium der Informatik, Mathematik oder eines vergleichbaren Studiengangs

• Programmiererfahrung in Python oder C++

• Kenntnisse in Deep Learning und 3D-Datenverarbeitung

• Gute Englischkenntnisse in Wort und Schrift

• Selbstständige, strukturierte und zuverlässige Arbeitsweise

Kontakt: Sarah Disch