Masterarbeit Datenbasierte Identifikation und Analyse von bedienerspezifischen Energieverlusten in mobilen Arbeitsmaschinen

Im Zuge der Dekarbonisierung und der steigenden Anforderungen an die Nachhaltigkeit von mobilen Arbeitsmaschinen (wie z.B. Baggernund Radladern) stellt sich die Betriebsphase als erheblicher Einfluss heraus. Das individuelle Bedienerverhalten hat einen maßgeblichen Einfluss auf den realen Energieverbrauch und die Treibhausgasemissionen. Das Thema der Masterarbeit verbindet physikalische Zusammenhänge mit moderner Datenanalyse: Ziel ist es zu untersuchen, wie sich effiziente von ineffizienten Bedienmustern unterscheiden lassen und wie diese Unterschiede aus den bereits auf der Maschine vorhandenen CAN-Bus-Signalen identifiziert werden können. Der genaue Fokus der Arbeit (stärker konzeptionell-analytisch
oder datenorientiert-algorithmisch) kann an deine persönlichen Stärken, deinen Studiengang und deine Interessen angepasst werden.

• Während deiner Masterarbeit tauchst du tief in die Energie- und Verlustmechanismen mobiler Arbeitsmaschinen ein und identifizierst bedienerbeeinflussbare Verlustquellen.
• Anschließend analysierst und bereitest du reale, maschineninterne Datenströme auf.
• Du erarbeitest konzeptionelle Kriterien zur Leistungsbewertung und zur Trennung von Umgebungs- und Bedienerprozessen.
• Darauf aufbauend entwickelst du Algorithmen, beispielsweise regelbasiert oder mittels Machine Learning, um Arbeitszyklen und Verlustursachen zu erkennen.
• Schließlich bewertest du die Praxistauglichkeit deiner Methoden und leitest Empfehlungen für zukünftige Fahrerassistenzsysteme oder Feedback-Funktionen ab.