Softwareentwicklung für Anwendungen des maschinellen Lernens in der Produktion (SEML)

Das Tutorium „Softwareentwicklung für Anwendungen des maschinellen Lernens in der Produktion (SEML)“ dient Ingenieurinnen und Ingenieuren im Masterstudium, einen ausführlichen Einblick in die Welt des Software Engineering und Machine Learnings zu bekommen. Für eine optimale Kombination zwischen Theorie und Praxis werden nicht nur unterschiedliche Methoden des Machine Learnings theoretisch vermittelt, sondern ebenfalls in einem realen Praxisprojekt entlang eines Software-Entwicklungsprozesses umgesetzt. Das Praxisprojekt sieht hierfür die Entwicklung einer KI-basierten Verschleißerkennung für 3-Achs-Fräsmaschinen mithilfe von Beschleunigungssensordaten an der Spindel vor.

Organisatorisches

Veranstaltungsart Tutorium (Master)
Turnus Wintersemester
Zeitrahmen 4 Credit Points für Theorie (Vollzeit) und praktischer Teil (Teilzeit)
Sprache Englisch
Termine Das Tutorium findet im Wintersemester 2025/2026 statt und gliedert sich in einen Theorie- und Praxisteil.

Theorieteil: vom 17.11.2025 bis 24.11.2025 (6 Tage Vollzeit)
Praxisteil: vom 25.11.2025 bis 09.01.2026 (Teilzeit)
Prüfung: 12.01.2026 von 10:00 Uhr – 10:30 Uhr (Datum und Uhrzeit mit Vorbehalt)

Mündliche Prüfung/Abschlusspräsentation: nach Terminvereinbarung
Dozenten Lukas Hammen M.Sc.
Florian Mitschke M.Sc.
Stefan Schulte M.Sc.
Kevin Zhao M.Sc.
Kontaktadresse
Ansprechperson Lukas Hammen M.Sc.
Ort/Raum L1|14 FlowFactory Seminarraum

Anmeldung

Anmeldeprozess Anmeldung über Ansprechperson mit Warteliste

Die Teilnehmerzahl ist auf 15 Studierende begrenzt. Bitte schicken Sie bei Interesse zunächst eine E-Mail an . Sobald Sie eine positive Rückmeldung der Organisatoren per E-Mail erhalten, können Sie sich in TUCan anmelden.

Wenn Sie sich lediglich über TUCaN anmelden und nicht am Fachgebiet angemeldet sind, gilt Ihre Anmeldung als gegenstandslos und wird aus der TUCaN-Anmeldung entfernt. Wenn mehr Anmeldungen vorliegen als die maximale Teilnehmeranzahl, wird hinsichtlich der Anmeldereihenfolge selektiert.

TUCaN Kurs: 16-09-4274-tt Tutorial Software Engineering for Machine Learning Applications in Manufacturing
Teilnehmendenzahl Maximal 15

Prüfung

Prüfungshinweise Die Prüfung im Wintersemester 2025/26 findet am Montag, den 12.01.2026 von 10:00–10:30 Uhr statt.

Für die Prüfung sind keine anderen Hilfsmittel als ein dokumentenechter blauer oder schwarzer Stift zugelassen. Dies gilt auch für Taschenrechner und Zeichengeräte wie Geodreieck oder Lineal.

Bitte denken Sie daran, Ihren aktuellen Studienausweis und einen gültigen amtlichen Lichtbildausweis mitzubringen.

Inhalt

Ziele Ziel des Tutoriums ist es, den Umgang mit den Methoden des maschinellen Lernens und der professionellen Softwareentwicklung im Kontext der Produktion, sowohl theoretisch als auch praktisch kennenzulernen. Am Beispiel des Entwicklungsprozesses einer Verschleißerkennung mithilfe von Beschleunigungssensordaten an der Spindel von 3-Achs-Fräsmaschinen soll gelerntes Wissen in der FlowFactory des PTW praxisnah angewendet werden.
Inhalte Nach erfolgreichem Abschluss der Lehreinheit sollten Sie in der Lage sein, einfache Problemstellungen aus der Produktion, unter Einhaltung der Vorgaben von Zeit, Qualität und Kosten mithilfe von Methoden des maschinellen Lernens in einem Softwareentwicklungsprozess zu lösen.

Hierfür werden Sie befähigt:

1. Methoden und Instrumente der professionellen Softwareentwicklung zu erklären und selbstständig anzuwenden:
  • Verwendung der Programmiersprache Python
    • Grundlagen der objektorientierten Programmierung
    • Verwendung von Software-Tests zur Qualitätssicherung
  • Verwendung der Versionsverwaltungssoftware Git
  • Verwendung von Linux in der Entwicklung

2. Methoden und Instrumente des maschinellen Lernens zu erklären und selbstständig im Kontext der Produktion anzuwenden:
  • Umgang mit etablierten Prozessmodellen (CRISP-ML etc.)
  • Erklärung und Auswahl geeigneter Ansätze des maschinellen Lernens (Regression, Classification, etc.) für gegebene Anwendungsfälle
  • Erklärung und Auswahl geeigneter Ansätze des Deep Learning für gegebene Anwendungsfälle
  • Verwendung von relevanten Python-Bibliotheken im Kontext des maschinellen Lernens (NumPy, Pandas, scikit-learn, Keras, TensorFlow, PyTorch)

3. Ausgewählte Lösungen für Probleme im Kontext der Produktion gemeinsam im Team zu entwickeln und umzusetzen

4. Datenaufnahmeprozesse zu planen und erfolgreich umzusetzen

5. Die Ergebnisse übersichtlich zusammenzustellen, zu präsentieren und kritisch zu bewerten
Vorkenntnisse / Einarbeitung Vorkenntnisse in der Programmierung mit Python sind erforderlich. Im Rahmen des Tutoriums kann leider kein Grundlagenkurs in der Programmierung mit Python gegeben werden. Fehlende Vorkenntnisse führen während des Tutoriums zu einem höheren Einarbeitungsaufwand für die Programmierungsaufgaben. Referenzen für die Einarbeitung in Python werden vor Beginn des Tutoriums an die Teilnehmer versendet.
Hinweis Für die Durchführung der Übungen im Theorieteil sowie die Bearbeitung des Praxisteils, wird ein eigener mobiler PC/Laptop benötigt.

Kontakt

  Name Kontakt
Lukas Hammen M.Sc.
CiP | Center für industrielle Produktivität
+49 6151 8229-723
L1|01 225
Florian Mitschke M.Sc.
CiP | Center für industrielle Produktivität
+49 6151 8229-641
L1|01 225
Stefan Schulte M.Sc.
CiP | Center für industrielle Produktivität
+49 6151 8229-614
L1|01 225
Kevin Zhao M.Sc.
CiP | Center für industrielle Produktivität
+49 6151 8229-615
L1|01 233