cAIclone ist ein junges Münchner Deep-Tech-Startup: Wir verbinden KI, Simulation und Metall-3D-Druck, um die Feinst-Trennung mit Hydrozyklonen neu zu denken. In dieser Arbeit legst du die experimentelle Datenbasis dafür – du vermisst relevante Geometrie- und Betriebsparameter, charakterisierst das Trennverhalten und entwickelst unseren Prüfstand weiter. Sei einer der Ersten, die mit generativer KI nicht nur simulieren, sondern echte Bauteile fertigen – und damit Wertschöpfung schaffen.

Experimentelle Untersuchung: Du vermisst relevante Geometrie- und Betriebsparameter hinsichtlich Trenngrad und Trennschärfe.

Mehrere Materialsysteme: Du charakterisierst das Trennverhalten an mindestens zwei Partikelsystemen unterschiedlicher Dichte und Morphologie.

Aufbau Datenbank: Du erfasst alle Versuchsdaten strukturiert und erweiterst damit die Datenbasis für unser KI-Auslegungsframework.

Optimierung Prüfstand: Du analysierst und verbesserst die Messkette hinsichtlich Reproduzierbarkeit, Genauigkeit und Betriebssicherheit.

Modellintegration: Du bettest deine Ergebnisse ins KI-Auslegungsframework ein und leitest Optimierungsempfehlungen ab.

Wichtig: Du studierst Chemie, Physik, Verfahrenstechnik, Maschinenbau oder Ingenieurwissenschaften (ab 5. Semester) und hast Lust auf experimentelle Laborarbeit und Datenauswertung.

Vorteilhaft: Grundkenntnisse in Strömungslehre oder Partikelmesstechnik; erste Erfahrung mit Python oder MATLAB.