Refine
Institute
- Fakultät Informatik (619)
- Fakultät Elektro- und Informationstechnik (474)
- THI Business School (421)
Version
- published (835)
Strategie zur Optimierung der Ressourcennutzung von Java-basierten Microservices im Cloud-Betrieb
(2024)
Der demografische Wandel beeinflusst Deutschland in vielerlei Hinsicht. Durch die sinkende Geburtenrate, stehen besonders Unternehmen vor der Herausforderung, in Zukunft Fachkräfte zu generieren und im Unternehmen zu halten. Lange Zeit gab es den „War of Talent“. Er ermöglichte es, dass Firmen sich aus vielen Bewerbern, die potenziellen Mitarbeiter mit der größten Passung aussuchen konnten. Dies hat sich durch die Demografie Entwicklung in den vergangenen Jahren verändert. Es hat sich ein Wandel in Richtung „War for Talent“ entwickelt. Dabei sind es nicht mehr die Unternehmen, die gezielt Bewerber selektieren. Es sind mittlerweile die Bewerber. Sie suchen sich geeignete Unternehmen aus und können sich unter diesen ihren zukünftigen Arbeitgeber auswählen. Diese Tatsache führt dazu, dass sich der Arbeitgebermarkt zusehends wandelt und der Konkurrenzdruck unter den Unternehmen deutlich wächst. Landesweit ist bereits in vielen Branchen ein Fachkräftemangel erkennbar, welcher aktuell nicht abzureißen scheint. Auch im Bereich der Pflege, ist dieser Personalengpass schon länger spürbar. Durch viele Faktoren hat sich dieser Zustand in den vergangenen Jahren deutlich verschlechtert. Gleichzeitig erhöht sich durch die zunehmende Alterung der Gesellschaft der Pflegebedarf deutlich. Bei der Betrachtung beider Punkte, kann man eine größer werdende Kluft erkennen. In vielen Bereichen versucht man diesem Mangel zukünftig durch künstliche Intelligenz und Robotik zu begegnen. Bei der Profession Pflege ist dies eher begrenzt möglich. Um als Unternehmen im Gesundheits- und Sozialbereich zukünftig konkurrenzfähig zu sein, benötigt es somit andere Strategien. Deshalb beschäftigt sich die vorliegende Bachelorarbeit tiefer mit dem Themenfeld des Employer Branding. Hierzu fand eine gezielte Literaturrecherche statt. Diese soll die Frage klären, ob der Aufbau einer attraktiven Arbeitgebermarke, eine Möglichkeit für Unternehmen aus dem Gesundheits- und Sozialbereich darstellt, dem pflegerischen Fachkräftemangel zu Zeiten des demografischen Wandels zu begegnen. Dabei steht nicht im Mittelpunkt einen Leitfaden zu entwickeln.
Mit dem technologischen Fortschritt des automatisierten Fahrens diskutieren Forscher eine symbiotische Beziehung von Mensch und Fahrzeug, indem sie sich kontinuierlich ergänzen. Eine derart intensive Kooperation erfordert eine gründliche Analyse der Mensch-Maschine Interaktion einschließlich der Auswirkung der Persönlichkeit und spezifischer Verhandlungsstrategien. Mittels einer Wizard-of-Oz Fahrstudie untersuchte diese Arbeit die Bedeutung von Persönlichkeitsmerkmalen für die Interaktion mit Konversationsagenten in kooperativen Fahrsystemen. Die Ergebnisse zeigten, dass Persönlichkeitsmerkmale, insbesondere Extraversion, die User Experience in bestimmten Verhandlungsstrategien signifikant beeinflussen. Durch die Berücksichtigung von Persönlichkeitsfaktoren kann die Wahrnehmung des System verändert und potenzielle Konflikte vermieden werden. Diese Erkenntnisse bieten wertvolle Impulse für die Entwicklung nutzerzentrierter Technologien im Bereich des autonomen Fahrens.
Be here now
(2024)
In the near future, automated vehicles are expected to become commonplace in traffic, necessitating effective communication with various traffic participants. External Human-Machine Interfaces (eHMIs) are employed to facilitate these interactions, but there is a need for scalable solutions to address a range of challenges. In complex urban environments, pedestrians often fail to perceive the intentions of automated vehicles, especially if they are distracted by multitasking or using gadgets while moving in groups.
This thesis aims to enhance the attention, perception, and safety of inattentive pedestrians through the development of eHMIs that utilize multi-modal targeted communication. The effectiveness of these targeted eHMIs is evaluated against the more common multimodal broadcast communication. The study focuses on situational awareness, intent perception, and perceived safety among pedestrians using mobile phones while crossing streets, comparing targeted communication with broadcast methods.
The approach involves comparing two targeted eHMIs—one using personalized projection and audio, and another using personalized mobile notifications—with a broadcast eHMI using audio and visual cues. A literature review identified research gaps and informed the design process, which included creating personas and storyboards. These were translated into three simulation conditions in a virtual reality application developed in Unity. The preliminary study was followed by a final usability study with qualitative and quantitative feedback from 28 participants.
The results indicate that targeted nudging from an eHMI improves situational awareness and perceived safety among distracted pedestrians compared to broadcast eHMIs. Additionally, multi-modal targeted communication enhances the perception of intent more effectively than multi-modal broadcast communication. Thus, targeted eHMI systems could make roads safer for pedestrians and reduce automated vehicle time in traffic.
With current advances in automated driving, optical sensors like cameras and LiDARs are playing an increasingly important role in modern driver assistance systems. However, these sensors face challenges from adverse weather effects like fog and precipitation, which significantly degrade the sensor performance due to scattering effects in its optical path. Consequently, major efforts are being made to understand, model, and mitigate these effects. In this work, the reverse research question is investigated, demonstrating that these measurement effects can be exploited to predict occurring weather conditions by using state-of-the-art deep learning mechanisms. In order to do so, a variety of models have been developed and trained on a recorded multiseason dataset and benchmarked with respect to performance, model size, and required computational resources, showing that especially modern vision transformers achieve remarkable results in distinguishing up to 15 precipitation classes with an accuracy of 84.41% and predicting the corresponding precipitation rate with a mean absolute error of less than 0.47 mm/h, solely based on measurement noise. Therefore, this research may contribute to a cost-effective solution for characterizing precipitation with a commercial Flash LiDAR sensor, which can be implemented as a lightweight vehicle software feature to issue advanced driver warnings, adapt driving dynamics, or serve as a data quality measure for adaptive data preprocessing and fusion.
Patentmanagement
(2024)
Lithium-ion batteries are becoming essential vehicle components with the ongoing shift to electric vehicles. Battery management systems manage these batteries. Typically, battery management systems used to be placed deep within the vehicle architecture, away from external interfaces. However, with increasing connectivity to backend systems, e.g., to improve monitoring battery properties and optimize charging, battery management systems have moved closer to the attack surface, increasing security risks. Also, batteries will soon be reused in so-called second life applications, e.g., as an energy storage system in a private home. While conventional methods involve removing the battery and reusing it with a new battery management system, modern methods retain the original system. Though security controls exist for first and second life applications, there is a lack of research on the transition phase. This paper analyzes the phase of transferring the battery management system from the first to the second life of particular relevance for security, privacy, and intellectual property. We try to close this research gap by analyzing the security aspects of a battery management system life cycle and its altering system environment. We are defining the transition phase, identifying necessary activities, and providing cybersecurity needs for the transitioning of battery management systems from first to second life.
In der vorliegenden Dissertation wurden die Einflüsse von teilautomatisierten Fahrfunktionen auf die forensische Unfallrekonstruktion untersucht. Es konnten Szenarien identifiziert werden, in denen aufgrund von Systemlimitierungen gefährliche Fahrsituationen eingetreten sind, wie beispielsweise dem Verlassen der eigenen Fahrspur während einer Kurvenfahrt. Basierend auf diesen Erkenntnissen wurde das Reaktionsverhalten von Fahrern bei einem Fehlverhalten einer aktivierten teilautomatisierten Fahrfunktion untersucht. Die Ergebnisse der Simulatorstudie zeigten, dass ein im Vergleich zum manuellen Fahren geändertes Fahrerreaktionsverhalten berücksichtigt werden muss. Abschließend wurde anhand von Fallbeispielen aufgezeigt, wie mit Hilfe von EDR-Daten die während eines Unfallherganges stattgefundenen FAS-Fahrer-Interaktionen gerichtssicher aufgeklärt werden können.
In this work, we investigate the impact of annotation quality and domain expertise on the performance of Convolutional Neural Networks (CNNs) for semantic segmentation of wear on titanium nitride (TiN) and titanium carbonitride (TiCN) coated end mills. Using an innovative measurement system and customized CNN architecture, we found that domain expertise significantly affects model performance. Annotator 1 achieved maximum mIoU scores of 0.8153 for abnormal wear and 0.7120 for normal wear on TiN datasets, whereas Annotator 3 with the lowest expertise achieved significantly lower scores. Sensitivity to annotation inconsistencies and model hyperparameters were examined, revealing that models for TiCN datasets showed a higher coefficient of variation (CV) of 16.32% compared to 8.6% for TiN due to the subtle wear characteristics, highlighting the need for optimized annotation policies and high-quality images to improve wear segmentation.