Auf einen Blick
- Aufgaben: Forschung und Entwicklung neuer Fahrzeugkonzepte mit Fokus auf Crashsicherheit und Kraftstoffeffizienz.
- Arbeitgeber: Institut für Fahrzeugkonzepte, Teil des DLR-Projekts Next Generation Car.
- Mitarbeitervorteile: Möglichkeit, an vorderster Front der Automobiltechnik mitzuwirken.
- Warum dieser Job: Arbeiten Sie an innovativen Projekten, die die Zukunft der Mobilität prägen.
- Gewünschte Qualifikationen: Studium der Automobiltechnik, Mathematik oder ähnliches; Kenntnisse in Python und LS-Dyna bevorzugt.
- Andere Informationen: Erfahrung in nachhaltigem Design und Ökobilanzierung ist ein Plus.
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
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
Gewünschte Qualifikationen
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
Payment
ohne Vergütung
Bachelor / Masterarbeit - Automobiltechnik, Mathematik o.ä. (w/m/d) Arbeitgeber: Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Das Institut für Fahrzeugkonzepte bietet eine einzigartige Gelegenheit, an der Spitze der technologischen Entwicklung im Automobilsektor zu arbeiten. Mit Projekten wie dem Urban Modular Vehicle und der Beteiligung am Next Generation Car Projekt, positioniert sich das Institut als führend in der Forschung zu nachhaltigen und sicheren Fahrzeugtechnologien.
Kontaktperson:
Deutsches Zentrum für Luft- und Raumfahrt (DLR) HR Team
Diese Fähigkeiten machen dich zur top Bewerber*in für die Stelle: Bachelor / Masterarbeit - Automobiltechnik, Mathematik o.ä. (w/m/d)
Python
Maschinelles Lernen
