Werkstoffdatengewinnung

Einführung zu Werkstoffdaten und deren Klassifizierung:

• Materialmikrostruktur
  
• Funktion in der Anwendung
  
• Beispiel opto-elektrische Bauteile
• Digitalisierungskonzepte

Methoden der Werkstoffdatengewinnung:

• physikalisch-chemische Mikrostrukturanalyse
• elektrische Charakterisierung
• optische Charakterisierung
• mechanische Charakterisierung
  

Komplexe Material-Fehleranalyse:

• Integrale Messungen von Material- und Werkstoffeigenschaften
• Bildgebende Verfahren (inkl. Mikrostrukturdiagnostik)
• Applikationsbeispiele (z.B. PID/LID)
  

Standardisierte Materialprüfung

• Allgemeine Prüf-Testverfahren
• Normen/Standards
• Beispiel: Degradationstest (PID/LID)

Material-Datengewinnung (digitalisiert):

• Hochdurchsatz-Messverfahren am Beispiel Solarzellproduktion
• Bildgebung, Zeitreihen

Material-Datenaufbereitung

• Erzeugung strukturierter Daten aus Rohdaten
• Integration mehrerer Datenquellen/-banken in einen Datensatz

Grundlegende Materialdatenanalyse

• Statistische Datenauswertung, Korrelationen
• Zeitreihenanalyse: Trend- und Anomaliedetektion
• Dimensionsreduktion, Klassifizierung und Clustering für große Datensätze

• Die Studierenden sollen in diesem Modul eine kompakte Übersicht zur Gewinnung, Verarbeitung und Analyse von mikrostrukturellen und funktionalen Materialdaten für die digitale Anwendungen erlangen.
• Dazu werden Verfahren zur Ermittlung von Material- und Bauteileigenschaften sowie Defekten im makroskopischen, mikroskopischen und nanoskopischen Bereich vorgestellt.
• Darunter fallen insbesondere Methoden der physikalisch-chemischen Materialanalyse sowie die funktionale Charakterisierung mit Schwerpunkt auf elektrisch-optischen Eigenschaften von Bauteilen.
• Neue messtechnische Ansätze zur digitalisierten Datengewinnung, Aufbereitung und Analyse von großen Datenmengen werden vorgestellt.
• Während in den Vorlesungen die benannten Themen vorgestellt und eingeordnet werden, sollen die Studierenden in den Praktika selbstständig Materialdaten gewinnen und aufbereiten.
• In den Selbststudienphasen sollen die Kompetenzen zur selbständigen Aufbereitung eines Themas, sowie zur konkrete Datenanalyse an Fallbeispielen ausgebaut werden.
• Die anwendungsbezogene Einordnung erfolgt anhand von
  

Die Bewerberinnen und Bewerber haben einen qualifizierten Hochschulabschluss (Bachelor oder Diplom) mit einer Regelstudienzeit von mindestens 7 Semestern und 210 Credits auf ingenieurwissenschaftlichem, technischem oder technisch naturwissenschaftlichem Gebiet mit materialwissenschaftlichem bzw. werkstofftechnischem Bezug oder mit einem Bezug auf vertiefte Informatik-Anwendungen von mindestens drei Jahren Dauer sowie eine qualifizierte einschlägige Praxistätigkeit von mindestens einem Jahr nachzuweisen. Hierbei wird insbesondere Wert daraufgelegt, dass die Bewerber*innen bereits in Unternehmen oder in Forschungsinstitutionen tätig waren und dort selbstständig Aufgaben und Projekte mit materialwissenschaftlichem bzw. werkstofftechnischem Bezug oder mit einem Bezug auf vertiefte Informatikanwendungen bearbeitet haben.

• Materialinformatik