diff --git a/topics/_zhang/Data-Driven MPC.md b/topics/_zhang/Data-Driven MPC.md
new file mode 100644
index 0000000..d88558d
--- /dev/null
+++ b/topics/_zhang/Data-Driven MPC.md	
@@ -0,0 +1,18 @@
+---
+lang: de
+title: Datengetriebene Model Predictive Control
+tags: ["sa", "ma"]
+date: 2024-11-04
+---
+Du hast Kenntnisse in der Regelungstechnik und Interesse an der Integration von KI-Methoden in die Regelungs-/Steuerungsmethoden?
+
+Model Predictive Control ist eine Reglungstechnik, bei der ein System – wie z. B. ein Auto, eine Drohne oder eine Industrieanlage – in die Zukunft "blickt", um zu entscheiden, was es als Nächstes tun soll. MPC nutzt ein Modell, um vorherzusagen, wie sich das System entwickeln wird. Es plant also im Voraus, indem es berechnet, welche Aktionen (wie Beschleunigen, Bremsen oder Lenken) am besten geeignet sind, um ein Ziel zu erreichen, ohne dabei Einschränkungen zu verletzen (wie z. B. eine maximale Geschwindigkeit oder bestimmte Sicherheitsgrenzen).
+
+*Was wir bieten*
+- Einblicke in den Stand der Technik von probabilistischem Deep Learning
+- Einführung von Jax
+- Flexible Betreuung 
+
+*Was du mitbringst*
+- Vorkenntnisse in Regelungstechnik, Deep Learning, Reinforcement Learning
+- Programmierfähigkeit in Python
\ No newline at end of file
diff --git a/topics/_zhang/Data-Driven Observer.md b/topics/_zhang/Data-Driven Observer.md
new file mode 100644
index 0000000..f25ed00
--- /dev/null
+++ b/topics/_zhang/Data-Driven Observer.md	
@@ -0,0 +1,18 @@
+---
+lang: de
+title: Datengetriebene Beobachter
+tags: ["sa", "ma"]
+date: 2024-09-16
+---
+Du hast Kenntnisse in der Regelungstechnik und Interesse an der Integration von KI-Methoden in die Regelungs-/Steuerungsmethoden?
+
+In der Regelungstechnik ist ein Beobachter ein System, das aus bekannten Eingangsgrößen (z.B. Stellgrößen oder messbaren Störgrößen) und Ausgangsgrößen (Messgrößen) eines beobachteten Bezugssystems nicht messbare Größen (Zustände) rekonstruiert.  Für nichtlineare Systeme mit teilweiser unbekannter Dynamik sind traditionelle Beobachter nur bedingt einsetzbar. Unser Ziel ist es, einen datengesteuerten Beobachter zu entwerfen, der nicht messbare Zustände aus Systemeingaben und -ausgaben lernen kann.
+
+*Was wir bieten*
+- Einblicke in den Stand der Technik von probabilistischem Deep Learning
+- Einführung von Jax
+- Flexible Betreuung 
+
+*Was du mitbringst*
+- Vorkenntnisse in Regelungstechnik, Deep Learning
+- Programmierfähigkeit in Python
\ No newline at end of file