Lehrstuhl für Thermodynamik (LTD)

Studentische Arbeiten

Wir bieten Ihnen für Ihre Projekt-, Studien-, Diplom-, Bachelor- oder Masterarbeit im Rahmen Ihres Studiums an der TU Kaiserslautern gerne Themen aus den Bereichen Thermodynamik und Verfahrensentwicklung an. Ihre Arbeit am LTD ist immer in eines unserer laufenden Forschungsprojekte eingebunden. Sie werden dabei von einem unserer wissenschaftlichen Mitarbeiter betreut.

Unsere wissenschaftlichen Mitarbeiter sind immer auf der Suche nach guten, motivierten und engagierten Studierenden. Mitarbeiter, die generell studentische Arbeiten zu vergeben haben, sind im Folgenden mitsamt einem kurzen Umriss ihrer Tätigkeit aufgeführt. Falls Sie Interesse an einem Themengebiet haben, kontaktieren Sie bitte direkt den jeweiligen Mitarbeiter. Weitere Informationen finden Sie auch auf den Seiten der Mitarbeiter.

Für die meisten Arbeiten sind keine besonderen Vorkenntnisse erforderlich. Wir sorgen für eine effiziente Einarbeitung. Vorkenntnisse sind allerdings willkommen. Für viele Arbeiten ist es von Vorteil, wenn Sie die Vorlesung "Thermodynamik der Mischungen" gehört haben. Je nach fachlichem Schwerpunkt der studentischen Arbeit ist es empfehlenswert an den entsprechenden weiterführenden Veranstaltungen wie "Prozessthermodynamik", "Molekulare Thermodynamik" und "Computerlabor Molekulare Simulation" teilgenommen zu haben.

Neben der fachlichen Betreuung erhalten Sie Unterstützung im Projektmanagement und bei der Darstellung ihrer Ergebnisse. Hierzu gehört nicht nur die Zusammenschrift, sondern auch ein Vortrag, den Sie im LTD Seminar über Ihre Arbeit bei uns halten werden.

Wir legen hohen Wert auf eine engagierte Zusammenarbeit zwischen Studierendem und wissenschaftlichem Mitarbeiter. Zu Beginn Ihrer Arbeit werden die Ziele und der Ablauf besprochen. Dann erhalten Sie eine schriftliche Aufgabenstellung, die den Umfang der Arbeit und die Ziele klar beschreibt. Der Umfang richtet sich dabei nach der für Sie gültigen Studien-/ Prüfungsordnung. Wir gestalten die Rahmenbedingungen Ihrer Arbeit bei uns so, dass Sie die Ziele in dem abgesprochenen Zeitrahmen erreichen können.

Im Folgenden finden Sie Beschreibungen der Tätigkeitsfelder von Mitarbeitern, die derzeit studentische Arbeiten vergeben. Melden Sie sich bei Interesse direkt bei diesen Mitarbeitern.

Sollten Sie allgemeine Fragen zu studentischen Arbeiten haben, wenden Sie sich bitte an unseren Beauftragten für studentische Arbeiten:

Dominik Schäfer (dominik.schaefer(at)mv.uni-kl.de).

Dringender Bedarf für folgende Projekte

NMR-spektroskopische Ermittlung von Selbstdiffusionskoeffizienten in OME und langkettigen Alkanen

                         Sarah Mross

                         (Download PDF hier)

Molekulardynamische Simulationen zur Untersuchung des Phasenverhaltens und der Grenzflächeneigenschaften binärer Mischungen im Dreiphasengleichgewicht

                         Jens Staubach

                         (Download PDF hier)

Molekulare Simulationsstudie zum Verhalten von SARS-CoV-2 Viren in Aerosolen

Florian Fleckenstein

(Download PDF hier)

Mitarbeiter, die derzeit studentische Arbeiten vergeben

Florian Fleckenstein

Schwerpunkte
  • Molekulardynamische Simulation
  • Phasengrenzflächen
Beschreibung
Molekulardynamische Simulationen von Biomembranen und Proteinen, insbesondere des Spike-Proteins des SARS-CoV-2 Virus. Die Spike-Proteine spielen eine wichtige Rolle beim Eindringen des Virus in menschliche Wirtszellen und stehen daher im Fokus der Impfstoffentwicklung. Insbesondere untersuche ich in den Simulationen das Verhalten der Proteine an der Dampf-Flüssig Phasengrenze von Aerosolen.

Dominik Gond

Schwerpunkte
  • Erklärbarkeit und Interpretierbarkeit von Machine Learning Methoden
  • Molekulare Deskriptoren für Matrixvervollständigungsmethoden
  • Weiterentwicklung hybride Ansätze (ML Methoden mit Rückgriff auf physikochemisches Vorwissen)
Beschreibung
Das Finden von Mischungsgrößen ist aufwändig und teuer, weshalb entsprechende Datensätze lückenhaft sind. Vorhersagemethoden für solche physikalisch-chemischen Eigenschaften, wie Matrixvervollständigungsmethoden, besitzen ein großes Potential, sind aber weitestgehend unverstanden. Zur Weiterentwicklung hybrider Ansätze und zur Stärkung des Anwendervertrauens in diese Methoden ist eine Untersuchung solcher Modelle und ihrer Ergebnisse hinsichtlich Erklärbarkeit und Interpretierbarkeit unabdingbar. Ich beschäftige mich deshalb mit dem Verständis von rein datengetriebenen Ansätzen und deren Zusammenhang mit molekularen und phänomenologischen Reinstoffdeskriptoren.

Nicolas Hayer

Schwerpunkte
  • Vorhersage physikalisch-chemischer Eigenschaften (z.B. Gaslöslichkeiten)
  • Machine Learning Methoden
  • Hybride Ansätze (Machine Learning und physikalische Modelle)
Beschreibung

Vorhersagemethoden für physikalisch-chemische Eigenschaften sind von zentraler Bedeutung in der Verfahrenstechnik. Etablierte Ansätze sind jedoch aufgrund unvollständiger Parametersätze in vielen Fällen nicht anwendbar. Methoden aus dem Machine Learning (ML) bieten als Alternativen ein enormes Potenzial, z.B. zur Vorhersage von Aktivitätskoeffizienten oder Gaslöslichkeiten. Neben der Anwendung von rein datengetriebenen ML Methoden beschäftige ich mich mit der Entwicklung hybrider Ansätze, bei welchen ML Methoden mit physikalischen Modellen kombiniert werden.

Jana Heiß

Schwerpunkte
  • All-Vanadium-Redox-Flow-Batterie (AVRFB)
  • Reversible Zellspannung der AVRFB
  • Isopiestische Messungen der Lösemittelaktivität
  • Entwicklung und Optimierung eines thermodynamischen Modells
Beschreibung
Die AVRFB ist ein vielversprechender Energiespeicher. In bisherigen Untersuchungen und Modellierungen wurden die Aktivitätskoeffizienten der Elektrolytlösung bei der Beschreibung der reversiblen Zellspannung vernachlässigt, da verlässliche Daten fehlen. Ziel ist es, Stoffdatenmessungen durchzuführen und basierend darauf ein thermodynamisches Modell zur Beschreibung der AVRFB zu erstellen. Dieses dient im Anschluss der Optimierung der AVRFB.

Jannette Kreußer

Schwerpunkte
  • Biothermodynamik
  • Chromatographie
  • Modellierung
Beschreibung
Mithilfe von experimentellen Studien werden Modelle entwickelt, die zur Vorhersage des Adsorptionsverhaltens von Proteinen verwendet werden können. Hierbei sollen nicht nur Adsorptionsisothermen und Elutionsprofile modelliert werden, sondern auch Einflussfaktoren auf das Adsorptionsverhalten von Proteinen identifiziert und die Vorhersage des Adsorptionsverhaltens auf neue Systeme übertragen werden.

Babette Kunstmann

Schwerpunkte
  • Thermodynamische Eigenschaften flüssiger Mischungen
  • Transportprozesse
  • Phasengleichgewichte
Beschreibung

Für das detaillierte Verständnis des Tropfenverdampfungsprozesses bei der Herstellung hochdisperser Nanopartikel mittels Flammensprühpyrolyse ist die Kenntnis der thermodynamischen Eigenschaften der eingesetzten Precursorlösungen erforderlich. Die Wärme- und Stofftransporteigenschaften sowie Phasengleichgewichte, insbesondere Dampf-Flüssigkeits Gleichgewichte (VLE), der Precursorlösungen sollen experimentell ermittelt werden. Die Stoffdaten der untersuchten Mischungen, die aus Lösungsmitteln, metallhaltigen Verbindungen und gegebenenfalls Hilfsstoffen bestehen, können anschließend zur Modellierung verwendet werden.

Sarah Mross

Schwerpunkte
  • Nukleare Magnetresonanz (NMR) – Spektroskopie
  • Stofftransport
  • Bildgebende NMR für Reaktions- und Prozessmonitoring
Beschreibung

Stofftransport auf der mikroskopischen und makroskopischen Ebene. Ich beschäftige mich mit der experimentellen Bestimmung von Diffusionskoeffzienten. Dabei wird die NMR-Spektroskopie als zeit- und ortsauflösende Methode eingesetzt. Einen zweiten Schwerpunkt stellt der Einsatz von Bildgebender NMR-Spektroskopie zum Reaktions- und Prozessmonitoring dar.

Johnnie Phuong

Schwerpunkte
  • Nuklear Magnetresonanz (NMR) – Spektroskopie
  • NMR mit Overhauser DNP (ODNP)
  • Reaktions- und Prozessmonitoring
Beschreibung
Die Kernspinresonanzspektroskopie (NMR Spektroskopie) ermöglicht eine nichtinvasive quantitative Untersuchung von komplexen Mehrkomponentenmischungen. Aufgrund der Kompaktheit und den geringen Betriebskosten, eignen sich vor allem Mittelfeld NMR Spektrometer (Benchtop Geräte) für industrielle Anwendungen im Online Reaktions- und Prozessmonitoring. Nachteil der Benchtop Geräte gegenüber herkömmlichen Hochfeld NMR Spektrometern ist die geringe Sensitivität. Dieser Nachteil soll durch Hyperpolarisationstechniken, wie die dynamische Kernpolarisation (engl.: Dynamic Nuclear Polarization: DNP), die eine erhebliche Steigerung der Sensitivität versprechen, behoben werden.

Dominik Schäfer

Schwerpunkte
  • Molekulardynamische Simulationen
  • Stofftransport
  • Nichtgleichgewichtssimulation
  • Elektrolyte & Kraftfeldmodelle
Beschreibung

Molekulardynamische Simulationen mit zwei Schwerpunktsthemen. Zum einen die Bestimmung von thermodynamischen Eigenschaften wie Selbstdiffusionskoeffizienten homogener Elektrolytlösungen. Hier arbeite ich zudem an der Weiterentwicklung und verbesserten Parametrisierung der zugrundeliegenden Kraftfeldmodelle von Ionen. Zum anderen untersuche ich den Stofftransport durch Dampf-Flüssigkeits Phasengrenzflächen.

Sebastian Schmitt

Schwerpunkte
  • Molekulardynamische Simulation
  • Tribologie
  • Stoffeigenschaften von Schmierstoffen
  • Nanoskopische Kontaktprozesse
Beschreibung

Molekulardynamische Simulationen im Themengebiet „Tribologie“. Ich beschäftige mich mit der Bestimmung von thermodynamischen Eigenschaften von Schmierstoffen. Das Ziel ist dabei u.a. die Vorhersage des Schmierstoffverhaltens bei extrem hohen Drücken. Einen zweiten Schwerpunkt meiner Arbeit stellen molekulare Kontaktsimulationen von Reibprozesse auf der Nanoskala dar. Hier soll der Einfluss des Schmiermittels auf den Festkörperkontakt betrachtet werden (wie er u.a. bei trennenden Fertigungsverfahren auftritt). Zudem arbeite ich an der Anwendung moderner Zustandsgleichungen in elastohydrodynamischen Schmierspaltsimulationen (EHD).

Thomas Specht

Schwerpunkte
  • NMR-Spektroskopie in komplexen, schlecht spezifizierten Mischungen
  • Modellierung von thermodynamischen Eigenschaften und Trennprozessen von komplexen, schlecht spezifizierten Mischungen
  • NMR-Spektroskopie mit Machine Learning Methoden
Beschreibung

Klassische Methoden zur thermodynamischen Modellierung von komplexen, schlecht spezifizierten Mischungen schlagen fehl, da diese in der Regel eine vollständige Strukturaufklärung voraussetzen. Die NMR-Spektroskopie bietet stattdessen eine einfache Möglichkeit, Informationen über die chemischen Gruppen in komplexen Mischungen zu erhalten, die in den meisten Fällen ausreichend sind. Ich beschäftige mich mit der Kombination von NMR-Spektroskopie und thermodynamischen Gruppenbeitragsmethoden (z.B. UNIFAC), um die genannten Mischungen modellieren zu können. Auf Grund der Komplexität der Daten bietet es sich an, diese mit Machine Learning Methoden (Neuronale Netze, Support Vector Machines, …) zu verarbeiten.

Jens Staubach

Schwerpunkte
  • Grenzflächeneigenschaften
  • Phasengleichgewichte
  • Zustandsgleichungen
  • Molekulardynamische Simulation
Beschreibung

Anwendung von Zustandsgleichungen und Molekulardynamischen Simulationen zur Untersuchung von Grenzflächeneigenschaften. Insbesondere wird die Anreicherung von Komponenten an Phasengrenzflächen und der Zusammenhang mit dem Phasenverhalten von Gemischen untersucht.

Zum Seitenanfang