@masterthesis{Seeland2022, type = {Bachelor Thesis}, author = {Seeland, Jan Philipp}, title = {Entwicklung einer Logging-Software zur {\"U}berwachung und Analyse der Achsdrehmomente von Industrierobotern}, doi = {10.25933/opus4-2829}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:522-opus4-28294}, school = {Technische Hochschule Brandenburg}, year = {2022}, abstract = {In dieser Arbeit werden Achsdrehmomente und Motorlast eines Industrieroboters der Firma FANUC analysiert, um diese {\"u}ber eine Logging-Software zu optimieren. Das Ziel ist es, {\"u}ber die Aufzeichnung der Motordaten, mechanische Belastungen an den Motoren der Robotergelenke zu reduzieren. Durch diesen Ansatz k{\"o}nnen Bewegungen des Roboters optimiert und Traglasten maximiert werden. Die zur Zeit angebotene Robotersteuerung des Herstellers bietet nur wenig zeitlich aufgel{\"o}ste Diagnoseoptionen. Die vorgestellte L{\"o}sung unterscheidet sich von anderen L{\"o}sungen darin, dass keine Verkabelung von zus{\"a}tzlicher Hardware notwendig ist. Auch muss keine zus{\"a}tzliche, kostenpflichtige Software installiert werden. Der in dieser Arbeit verfolgte Ansatz implementiert eine webbasierte Logging-Software f{\"u}r einen Client-PC und ein KAREL Programm f{\"u}r einen FANUC Roboter, welches als Schnittstelle dient. Die Parameter Drehmoment(Disturbance Torque, Torque Monitor) und Motorstrom (OVC Monitor) konnten periodisch alle 50ms von der Robotersteuerung aufgezeichnet und anschließend zeitlich aufgel{\"o}st dargestellt werden. Es wurden Experimente mit verschiedenen Geschwindigkeiten, Achsstellungen und Traglasten durchgef{\"u}hrt. Ein signifikantes Ergebnis konnte bei der Reduzierung der Motorlast unter Verwendung von Beschleunigungsrampen festgestellt werden. Auch wurde der negative Einfluss einer inkorrekt eingestellten Traglast bei der Ansteuerung der Motoren nachvollzogen und aufgezeichnet. In einem Kundenprojekt konnte die Software erfolgreich zur Machbarkeitsanalyse eingesetzt werden.}, language = {de} } @misc{Selent2022, type = {Master Thesis}, author = {Selent, Paulina}, title = {Deepfakes im Marketing: Eine Analyse von Deepfake-Marketing mit exemplarischer Ausarbeitung eines eigenen Deepfake-Modells zur {\"U}berpr{\"u}fung von Effekten bei Rezipienten}, doi = {10.25933/opus4-2839}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:522-opus4-28395}, school = {Technische Hochschule Brandenburg}, pages = {109}, year = {2022}, abstract = {In dieser Masterarbeit wird der Einsatz von Deepfakes im Marketing untersucht. Es geht darum, Deepfake-Marketing zu analysieren und vier eigene Deepfakes zu erstellen, um m{\"o}gliche Effekte bei Rezipienten zu erkennen. Dazu wird die folgende Forschungsfrage „Welche Effekte l{\"o}sen hyperpersonalisierte Werbebotschaften durch Deepfakes bei Probanden aus?" aufgestellt. F{\"u}r die Beantwortung der Forschungsfrage wird zun{\"a}chst die Personalisierung von Werbung, sowie Deepfakes im Allgemeinen thematisiert. Im Anschluss daran wurden die Vor- und Nachteile der Hyperpersonalisierung durch die Integration von Deepfakes in die Werbung analysiert und vier eigene Deepfakes auf Basis realer Video-Werbungen generiert. Zur {\"U}berpr{\"u}fung der m{\"o}glichen Effekte bei Rezipienten wurde eine Online-Umfrage erarbeitet, bei der 22 Probanden die vier selbst produzierten Deepfakes sahen und Fragen zu ihrer pers{\"o}nlichen Einstellung zur Personalisierung durch Deepfakes mitteilten. Die Ergebnisse der nicht repr{\"a}sentativen Umfrage zeigen, dass sich die Auswirkungen bei hyperpersonalisierten Werbebotschaften durch Deepfakes prim{\"a}r in zwei Kategorien einordnen lassen: positive {\"U}berraschung und Misstrauen. Im Detail k{\"o}nnen die Probanden Deepfakes nicht eindeutig erkennen und w{\"u}nschen sich eine offene Deklarierung von Deepfake- Inhalten in der Werbung. Bereits 4 von 10 Teilnehmern w{\"u}rden sogar ihre Daten f{\"u}r die Produktion von Deepfake-Werbung zur Verf{\"u}gung stellen. Doch auch die Angst vor dem Missbrauch pers{\"o}nlicher Daten und m{\"o}glichen Gefahren, welche von Deepfakes ausgehen k{\"o}nnten, belasten die Teilnehmer. F{\"u}r zuk{\"u}nftige Forschung bietet sich an, zur Produktvermarktung mit Deepfake-Werbung weiterzuforschen. Daf{\"u}r bedarf es in erster Linie eine umfangreichere Datenerhebung.}, language = {de} }