FH Bielefeld
University of
Applied Sciences

Projektangebote

Rechtssysteme bilden das Fundament demokratischer Staaten. Dennoch kennt jeder das Problem, in wichtigen Lebenslagen nicht selbstständig in der Lage zu sein, aus umfangreichen Rechtsdokumenten konkrete Informationen zu entnehmen. Deshalb ist das Ziel dieses Projekts, eine Suchmaschine mittels maschineller Lernverfahren zu implementieren, die es auch einem Laien ermöglicht, konkrete Antworten zu komplexen juristischen Fragestellungen zu erhalten.

Mehr

Es soll gezeigt werden, wie ein Augmented-Reality-Gerät Menschen beim Erlernen eines neuen medizinischen Verfahrens mit einer darin enthaltenen manuellen Komponente unterstützen oder bei einem bekannten Verfahren assistieren kann. Dazu werden Techniken der künstlichen Intelligenz und der Datenanalyse auf vielen Ebenen nützlich sein.

Mehr

Mit Hilfe von Maschine Learning Verfahren soll eine Approximation einer Strömungssimulation zur Optimierung von Werkzeugsgeometrien für Industrielle Anlagen berechnet werden. Die Approximierten Modelle werden dann zusammen mit Optimierungsverfahren verwendet, um die Werkzeuggeometrien über die Veränderung der Parameter ihrer Digitalen Zwillinge zu optimieren.

Mehr

Spritzgussmaschinen werden zur Fertigung von Kunststoffbauteilen verwendet. Die Qualität der Bauteile hängt maßgeblich von der Rückstromsperre ab. Durch die große Belastung (>2500bar) während der Produktion verschleißt diese kontinuierlich, was zu erhöhten Zykluszeiten und Schwankungen in der Produktqualität führt. Mittels maschineller Lernverfahren sollen der Verschleißvorgang bei verschiedenen Produktmaterialien vorhergesagt (Predictive Maintenance) und automatisiert Instandhaltungsaufträge erzeugt werden.

Mehr

Produzierende Unternehmen müssen im globalen Wettbewerb zahlreiche Anforderungen erfüllen und Entscheidungen treffen. Im Zuge der Digitalisierung ist die Echtzeit-Auswertung von Produktions- und Unternehmensdaten mit Verfahren der Künstlichen Intelligenz (KI) möglich. Neben der Erfassung von Prozessdaten als Voraussetzung für die smarte Produktion sind auch Maschinenkenntnisse und die Analyse von Maschinendaten notwendig, um effektive und effiziente Reaktionsstrategien einleiten zu können. Verfahren der Prescriptive Analytics ermöglichen dies und steigern somit Nachhaltigkeit, Arbeitsproduktivität und Resilienz, verbessern die Produktqualität und erlauben eine kundenindividuelle Produktion. Der Einsatz von KI bleibt aber trotz dieses Potenzials insb. in kleinen und mittleren Unternehmen (KMU) hinter den Erwartungen zurück. Gründe sind der hohe Aufwand für die Umsetzung unter Berücksichtigung von Expertenwissen, der Bedarf an Fachkräften zur Anpassung von KI-Lösungen und mangelnde Erfahrungswerte für informierte Umsetzungsentscheidungen. Hieraus resultiert akuter Handlungsbedarf, um die verfügbaren Verfahren bspw. zur Anomaliedetektion und Fehlerprädiktion für KMU nutzbar zu machen.

Mehr

In der ambulanten Pflege älterer Patient*innen herrscht akuter Personalmangel mit entsprechender Auswirkung auf die Qualität der Versorgung. Der effiziente Einsatz von Pflegekräften könnte diesen Fachkräftemangel etwas abmildern. Das Reallabor Geriatrie im TransCareTech bietet die Möglichkeit, echte Daten von Patient*innen zu erheben. In diesem Projekt werden Methoden der Data Augmentation und der Predictive Maintenance genutzt, um Pflegebedarfe vorherzusagen und den Gesundheitszustand unter Positive Health Aspekten zu bewerten.

Mehr

Ziel des Projektes ist die Entwurfsraumexploration von KI-/ML-Hardwarebeschleunigern in der Oberflächeninspektion. Im Zentrum steht nicht nur das Lernen der Modelle auf HPC-Systemen, sondern auch die effiziente Ausführung (Inferenz) auf eingebetteter Hardware. Ergebnis der Entwurfsraumexploration ist die Partitionierung der Anwendung, d.h. welche KI-Verfahren können auf dem Sensor ausgewertet werden, welche Verfahren können über Edge-Hardware (z.B. eingebettete GPU/FPGA) beschleunigt werden und welche erfordern leistungsfähige HPC-Hardware in der Cloud.

Mehr

Ziel des Projektes ist die Entwicklung eines Systems, das mittels KI-/ML-Verfahren das Nutzungsverhalten der Bewohner*innen eines Smart Homes erlernt, um anschließend, geeignete Handlungsempfehlungen bereitzustellen oder, bei der Erkennung von Anomalien, geeignete Maßnahmen einzuleiten. Wissenschaftliche Herausforderung des Projekts ist die Anwendung und Evaluation von maschinellen Lernverfahren zum Lernen von Interaktionsmustern basierend auf den gelieferten Daten der Minimalsensorik, sowie der Prädiktion zukünftiger Interaktion und der Anomalieerkennung. 

Mehr

Aufgabe im Projekt ist es, einen prototypischen Aufbau eines verteilten Sensorsystems basierend auf dem tim®IOT der Timmer GmbH aufzubauen, und geeignete KI-/ML-Verfahren für die Zustandsüberwachung und die vorausschauende Wartung zu evaluieren. Beispielsweise sollen mehrere mechatronische Membranpumpen über die bei Timmer entwickelten iHZ-Sensoren ausgestattet werden. Die iHZ-Sensoren verfügen über leistungsfähige Mikroprozessoren, die die erfassten Pumpenhübe einer hochgenauen Zeitbasis zuordnen. Zusätzlich können weitere Messgrößen (z.B. Strom/Spannung) aufgenommen werden.

Mehr

Entwicklung von Methoden der Künstlichen Intelligenz zur Situationserkennung in zeitbehafteten Datenströmen für Assistenzsysteme in Montagearbeitsplätzen.

Mehr

Zur Planung von komplexen Produktions- und Logistiksystemen werden immer häufiger Simulationsmodelle eingesetzt, um die Auswirkungen von Entscheidungen (z.B. Ressourcenpläne, Produktionsprogramme, Engpassmaßnahmen) detailliert evaluieren zu können. In dem hier beschriebenen Projekt soll mittels Reinforcement Learning die Erstellung der Entscheidungsszenarien, durch eine Künstliche Intelligenz automatisiert werden. Das Verfahren des maschinellen Lernens kann hierbei die Simulation als Trainingsumgebung verwenden.

Mehr

Ziel des Projektes ist es, in einem Kranken- oder Pflegebett Vitaldaten des Patienten, in erster Linie Puls- und Atemfrequenz, zuverlässig und mit hoher Genauigkeit radarbasiert zu erfassen. Dazu wird ein Radarsensor der neuesten Generation unterhalb der Matratze angebracht und sendet modulierte elektromagnetische Wellen aus, welche in der Matratze und am Rücken des Patienten reflektiert und durch den Sensor empfangen werden. Das Titelbild veranschaulicht den Aufbau.

Mehr

In diesem Projekt sollen die Geometrien von Magnetspulen mittels Modellen des Maschinellen Lernens optimiert werden.

Mehr

Projektziel ist, durch Papierbahnrisse bedingte Ausfälle in der Druckproduktion der Bertelsmann Prin-ting Group zu verhindern. Es stehen große Datenmengen zu vergangenen Papierbahnrissen und den vorherrschenden Produktionsbedingungen zur Verfügung. Auf diesem Datenbestand soll mithilfe von Machine-Learning-Algorithmen die Wahrscheinlichkeit eines Papierbahnrisses für die gegebenen Pro-duktionsbedingungen berechnet werden. Weiterhin würde während der Masterarbeit eine Live-Ab-frage dieser Wahrscheinlichkeit als prototypisches Frühwarnsystem implementiert werden.

Mehr

Diabetes ist eine weit verbreitete Zivilisationskrankheit, die bei einer unzureichenden Überwachung und Behandlung dramatische Folgeerkrankungen hervorrufen kann. Eine dieser möglichen Folgeerkrankungen ist das Diabetischer-Fuß-Syndrom (DFS). Das DFS ist ein schleichender Prozess, der schwerwiegende Folgen für die betroffenen Personen hat. Von anfänglichen Empfindungsstörungen und kleineren Verletzungen des Fußes führt dieses Krankheitsbild im schlimmsten Fall zu teilweisen oder vollständigen Amputationen des betroffenen Fußes. Die dadurch verursachten Einschränkungen sind ein enormer Verlust an Lebensqualität für Patientinnen und Patienten. In dem hier beschriebenen Projekt soll mittels maschinellen Lernens (ML) eine Auswertung von Messreihen durchgeführt werden, die schlussendlich zu einem an die Patientin oder den Patienten angepassten Sensorlayout für eine individuelle Druckmesssohle führt.

Mehr

In diesem Projekt werden Methoden des maschinellen Lernens zur Bestimmung von menschlichen Bewegungen bzw. zur Analyse der Ergonomie am Arbeitsplatz entwickelt und bewertet. Dazu werden Bewegungen und Arbeitsabläufe sowohl mit einem Motion Capture Anzug als auch mit einem Real Time Locating System erfasst. Der methodische Schwerpunkt des Projekts liegt auf der Datenaufbereitung, der Methodenauswahl und der Prognose von Belastungen bzw. belastenden Arbeitsabläufen an einem Handarbeitsplatz.

Mehr

Im Rahmen dieses Projekts sollen Preisrisiken im globalen Beschaffungsmanagement frühzeitig erkannt werden. Ausgangspunkt hierfür bilden unternehmensinterne Daten, wie Rechnungen, Rahmenverträge und Preisbücher als auch externe Daten, wie bspw. die Börsenpreisentwicklung von bestimmten Rohstoffen. Mittels Methoden des maschinellen Lernens sollen basierend auf diesen Daten Preisforderungen von Lieferanten prognostiziert werden.

Mehr

In diesem Projekt werden Methoden des maschinellen Lernens zur vorausschauenden Wartung (Pre-dictive Maintenance) von Haushaltsgeräten entwickelt und eingesetzt. Dazu wird ein realer Use-Case des externen Partners Miele & Cie. KG forciert, der den technischen Bezug zum Thema Data Science herstellt, sowie die formale Problemstellung und die notwendige Datengrundlage bereitstellt. Der me-thodische Schwerpunkt des Projekts liegt auf der Vereinigung verschiedener qualitativer und quanti-tativer Informationsquellen zur Generierung einer aussagekräftigen Datenbasis, sowie einer Interpre-tation und Bewertung der aus den Daten erlernten Zusammenhänge.

Mehr

In diesem Projekt werden komplexe industrielle Produktionsprozesse mithilfe von Deep Reinforcement Learning (DRL) optimiert. Dazu wird zunächst ein datengetriebenes Verfahren entwickelt, welches Materialflusssimulationen automatisch generiert (Digitaler Zwilling der Fertigungslinie). Innerhalb dieses digitalen Zwillings lernt der zu entwickelnde DRL-Agent dann nicht nur, die Prozesseffizienz zu verbessern sondern auch nachhaltige und mitarbeiterorientierte Entscheidungen zu treffen. Mithilfe einer anwender-orientierten Analysetoolbox können menschliche Entscheider:innen mit dem DRL-Agenten interagieren und sein Entscheidungsverhalten untersuchen.

Mehr

In diesem Projekt wird u.a. mittels cutting-edge Verfahren des Deep Reinforcement Learnings an einer Künstlichen Intelligenz für StarCraft2 gearbeitet die Wissen bewahrbar und übertragbar macht und zudem für Menschen nachvollziehbar ist (Explainability).

Mehr