Die Tätigkeit ist Teil einer Reihe von Projekten in der Abteilung, die sich mit der Nutzung von Verfahren des Maschinellen Lernens zur Detektion von Veränderungen an Bauteilen und Prüfständen befasst. In Vorarbeiten wurden bereits verschiedene Machine Learning Pipelines implementiert, u.a. um Signaldaten aus Fahrzeugmessungen zu analysieren. Zur Demonstration der prinzipiellen Vorgehensweise von der Konzeption bis zur Implementierung und Nutzung einer ML-Pipeline soll ein Hardware-Demonstrator entstehen, der verschiedene Sensorsignale (Beschleunigungen, Kräfte) erfasst und mittels ML-Modell analysiert.   Recherchen zu state-of-the-art ML-Methoden für die Anwendung auf Signal-/ Zeitreihendaten Unterstützung bei der Konzeptionierung eines Hardware-Demonstrators Datengenerierung und Datenlabeling für ML-Modelle Konzeptionierung, Implementierung, Training und Vergleich von ML-Modellen und ML-Pipelines Edge Computing mit RaspberryPI und/ oder NVIDIA Jetson Orin Nano Softwareentwicklung/ Programmierung mit Python Dokumentation und Präsentation der Vorgehensweise und der Ergebnisse