Fakultät Informatik
Refine
Document Type
- Bachelor Thesis (195)
- Conference Paper (174)
- Article (97)
- Master's Thesis (54)
- Part of a Compilation / Book Chapter (18)
- Preprint (17)
- Book (12)
- Part of Periodical (6)
- Report (1)
Institute
- Fakultät Informatik (574)
- Human-Computer Interaction Group (HCIG) (130)
- CARISSMA Institute of Automated Driving (C-IAD) (125)
- AImotion Bavaria (105)
- CARISSMA Institute of Electric, Connected and Secure Mobility (C-ECOS) (40)
- Fakultät Elektro- und Informationstechnik (19)
- CARISSMA (15)
- Fraunhofer-Anwendungszentrum "Vernetzte Mobilität und Infrastruktur" (3)
- Fakultät Maschinenbau (2)
- Audi Konfuzius-Institut Ingolstadt (AKII) (1)
Review
- peer-review (211)
- nein (58)
- editorial review (10)
- ja (10)
Version
- published (112)
Sustainable UX zielt darauf ab, ökologische und soziale Überlegungen in das Design digitaler Produkte zu integrieren. Die Implementierung von Sustainable UX stellt jedoch Designer, Entwickler sowie Unternehmen vor große Herausforderungen, da etablierte UX-Methoden oft nur bedingt kompatible Ansätze für Nachhaltigkeit bieten. Diese Arbeit beschäftigt sich mit der Frage, wie Sustainable UX in traditionelle UX-Designprinzipien integriert werden kann und welche Herausforderungen dabei entstehen. Ein Hauptproblem besteht im deutlichen Mangel an spezialisierten Werkzeugen und klaren Methodiken, was die effektive Implementierung von Sustainable UX erschwert.
Zur Unterstützung dieser Untersuchung wurde eine qualitative Nutzerstudie durchgeführt, die die Wirkung der Sensibilisierung für ökologische Themen auf die Akzeptanz nachhaltiger Optionen bei den Nutzern erfasst. Die Studie ergänzt die Diskussion um praktische Anwendungen und zeigt, wie durch gezieltes Design und transparente Kommunikation die Akzeptanz und Motivation für umweltfreundlichere Entscheidungen erhöht werden kann.
Die Untersuchungen zeigen, dass die Integration von nachhaltigen Praktiken in bestehende UX-Methoden auf umfangreiche Herausforderungen stoßen. Diese umfassen nicht nur die technische und praktische Umsetzung, sondern auch ethische Überlegungen und die Notwendigkeit, zwischen Nutzerbedürfnissen und ökologischer, sowie sozialer Verantwortung abzuwägen. Die Ergebnisse verdeutlichen die Notwendigkeit, einen ausgewogenen Ansatz zu finden, der die menschlichen Bedürfnisse berücksichtigt und gleichzeitig die ökologischen und sozialen Auswirkungen der Nutzererfahrung miteinbezieht.
Hierarchical Multi-task Learning with Articulatory Attributes for Cross-Lingual Phoneme Recognition
(2023)
Diese Arbeit befasst sich mit der Thematik der Nachhaltigkeit und der Lieferkette in der Modeindustrie aus der Sichtweise der Konsumenten. Das Ziel ist eine mobile Anwendung, welche den Verbrauchern transparent Informationen zu einem Kleidungsstück liefert und ihm bei seiner Kaufentscheidung unterstützt. Betrachtet werden dabei die Fragen, wie sich die Lieferkette darstellen lässt, welche Informationen interessant und relevant für Kunden sind und wie diese transparent dargestellt werden können. Basierend auf einer Benchmark Analyse und Interviews mit potenziellen Kunden, Verkäufern und Experten in der Branche wurden Anforderungen aufgestellt und ein Konzept erarbeitet, welches anschließend mithilfe von User Tests bewertet und weiterentwickelt wurde. Eine wichtige Erkenntnis war dabei, dass jeder Verbraucher andere Bedürfnisse hat, was sich im Konzept widerspiegeln muss. Deswegen werden mehrere Informationsebenen angeboten, sodass jeder Nutzer selbst entscheiden kann, wie viele Daten angezeigt werden sollen. Die Arbeit schließt mit einem Ausblick auf die zukünftige Entwicklung des Designs und der Funktionalitäten der Anwendung sowie der wachsenden Bedeutung von Transparenz und Nachhaltigkeit in der Modeindustrie.
AI has recently become a huge topic in many domains, including the healthcare environment. In radiology physicians have to make many decisions every day, analyzing medical images and choosing the right treatments for each individual patient. In order to help them with this workload there has been a lot of development to create AI based recommender systems that will assist the medical professionals. But with promising advancements also comes great responsibility and new challenges. In the following I try to assess how the use of AI in medical decision making might impact the trust of the physicians in such tools. My central research question is in how far AI-based medical decision support systems impact physicians, if for example certain factors make them more or less likely to trust the AI and heed its advice. Responsibly and properly integrating AI in medical processes is a task that needs to be taken seriously. Moral and ethical aspects of developments in this area should be taken into consideration to ensure the safe use of AI.
The aim of this thesis will be to identify and assess factors that might influence physicians’ trust when using AI-based decision support systems. Since AI is rather new in this area it is not clear yet which factors of using AI decision support systems might change the trust that physicians have in these systems. But we can only work with these changes and influences if we are aware of them. Upon identifying them there is a need to investigate in what way they influence physicians. Once this is clear the next step will be to find out how these influences can be avoided or mitigated in order to ensure a beneficial use of AI in medical decision making.
This thesis will be based on already published academic papers. The combined knowledge and insights of these papers will be compared, critically reviewed and combined to come to new conclusions.
This bachelor’s thesis explores the integration of visual and text-based models for predicting American football plays based on National Football League (NFL) games. The study focuses on automatically extracting visual features from pre-snap images of NFL plays and combining them with a text-based model trained on historical play-by-play data. The visual features are extracted using computer vision techniques and YOLOv8 model architecture, while the text-based model utilizes an XGBoost model to analyze historical play-by-play data.
The research methodology involves preprocessing and analyzing a dataset of NFL pre-snap images and historical play-by-play data. Computer vision algorithms, such as Optical Character Recognition or Line Extraction are employed to extract relevant visual features, such as player positions, formations, and field dynamics, from the images. Simultaneously, an XGBoost model is trained on historical play-by-play descriptions to capture textual patterns associated with different play outcomes, such as pass or run.
The extracted visual features and text-based predictions are then integrated into a unified prediction pipeline. The effectiveness of the integrated model is evaluated through extensive experimentation and performance analysis. Various metrics, including accuracy, precision, recall, and F1 score, are used to assess the predictive capabilities of the model.
The results demonstrate the potential of combining visual and text-based information for accurate prediction of NFL plays. The integrated model achieves promising performance in predicting pass or run plays with a test accuracy of 74.13% and validation accuracy of 73.78%. The findings of this research contribute to the advancement of predictive analytics in sports and provide valuable insights for coaches, analysts, and the football and data science community.
On the influence of explainable AI and time pressure on confirmation bias in digital pathology
(2024)
The rapid development of artificial intelligence (AI) in recent years has opened the door to its employment for life-saving applications in the medical field. In particular, the increasing prevalence of AI in diagnostic pathology holds the potential to enhance diagnostic accuracy and provide more efficient patient care. While explainability is often identified as a crucial component in terms of safety and AI acceptance for future clinical use, it may also introduce or strengthen human cognitive biases such as the confirmation bias.
Confirmation Bias describes the selective search for and intake of information to strengthen prior existing beliefs, which could be further amplified by the time pressure ubiquitously present in everyday pathology. To date, very few user-centric studies have been carried out in this domain, thus this thesis seeks to empirically examine the effects of explainable AI and time pressure on confirmation bias during the interaction with clinical decision support systems in a mixed-method study and aims to contribute to the safe and efficient development and design of intelligent support systems in the medical sector.
Einsamkeit und psychische Probleme stellen weltweit zunehmend ernstzunehmende Herausforderungen für Jugendliche dar. Die regelmäßige Teilnahme an Freizeitangeboten, sei es privat oder institutionalisiert, kann dazu beitragen, Einsamkeit zu reduzieren. Um dieses Potenzial optimal zu nutzen, ist es entscheidend, die Lebenswelt und Wahrnehmung der Jugendlichen zu verstehen, da diese ihre intrinsische Verbindlichkeit beeinflussen.
Die vorhandene Literatur beleuchtet weitgehend die Probleme und aktuellen Lebenswelten von Jugendlichen, doch gibt es nur wenige Untersuchungen zur Verbindlichkeit von Jugendlichen. Vorhandene Studien befassen sich hauptsächlich mit den Problemen, bieten nur wenige Lösungsansätze zur Behebung des Einsamkeitsproblems und nach der Recherche gar keine Lösungen, wie man Verbindlichkeit positiv fördern könnte.
Aus diesem Grund konzentriert sich diese Arbeit darauf, die Faktoren, die die Verbindlichkeit von Jugendlichen beeinflussen, auf vorerst regionaler Ebene zu identifizieren und konkrete Lösungsansätze für die lokale Jugendarbeit vorzuschlagen. Dazu werden folgende Forschungsfragen gestellt: „Welche Faktoren beeinflussen die Ausprägung von Verbindlichkeit zu außerschulischen Aktivitäten bei Jugendlichen in Ingolstadt?“ und „Wie kann Verbindlichkeit konkret im Rahmen der lokalen Jugendarbeit gefördert werden?“
Um diese Fragen zu beantworten, wird die Grounded Theory als theoretischer Rahmen verwendet. Die Datenerhebung erfolgt mittels qualitativer und quantitativer Fragebögen, Interviews sowie Workshops, einschließlich der Co-Design Methode und dem Testen durch eine Fokusgruppe. Alle Teilnehmenden sind Jugendliche im Alter von 13 bis 19 Jahren.
Die Ergebnisse zeigen, dass insbesondere die Befriedigung psychischer Grundbedürfnisse, insbesondere das Bindungsbedürfnis und die Unlustvermeidung gemäß der Theorie von Klaus Grawe, die Ausprägung der Verbindlichkeit beeinflussen. Es besteht ein deutlicher Wunsch nach Angeboten, die das Vertiefen und Knüpfen von Freundschaften ermöglichen. Basierend auf diesen Erkenntnissen wurde ein Konzept für eine kontextuell anpassbare Plattform entwickelt, in Zusammenarbeit mit Jugendlichen im Rahmen eines Co-Design Workshops.
Smart Kiosks are becoming increasingly popular due to their ease of use, accessibility, and cashless payment options. With this technology, User Interface (UI) and User Experience (UX) design is taken into account to enhance optimal user satisfaction.
This thesis addresses usability issues arising from unclear information and cluttered interfaces in existing webapp of Livello Kiosk’s Webapp. Through user research, competitor analysis, iterative redesign and AB Testing, the aim of this study is improving the User Experience of the entire purchasing process for Livello's Smart Kiosk system.
By understanding user needs and learning from competitor successes and failures, interviews, and surveys from real users, drawing insights from their feedback, the redesigned interface will prioritize clarity, ease of use, and intuitive navigation.
This research has the potential to contribute valuable insights for the development of user-centered and intuitive interfaces for Kiosk Webapp (KWA). Ultimately, it will be enhancing customer satisfaction, reduce frustration and increase task completion rates.
Currently, a significant gap exists between academic and industrial research in automated driving development. Despite this, there is common sense that cooperative control approaches in automated vehicles will surpass the previously favored takeover paradigm in most driving situations due to enhanced driving performance and user experience. Yet, the application of these concepts in real driving situations remains unclear, and a holistic approach to driving cooperation is missing. Existing research has primarily focused on testing specific interaction scenarios and implementations. To address this gap and offer a contemporary perspective on designing human–vehicle cooperation in automated driving, we have developed a three-part taxonomy with the help of an extensive literature review. The taxonomy broadens the notion of driving cooperation towards a holistic and application-oriented view by encompassing (1) the “Cooperation Use Case”, (2) the “Cooperation Frame”, and (3) the “Human–Machine Interface”. We validate the taxonomy by categorizing related literature and providing a detailed analysis of an exemplar paper. The proposed taxonomy offers designers and researchers a concise overview of the current state of driver cooperation and insights for future work. Further, the taxonomy can guide automotive HMI designers in ideation, communication, comparison, and reflection of cooperative driving interfaces.
Real-time rendering of real world terrain states a popular field of research of the recent decades. Real world terrain is represented by highly detailed data sets. Therefore, it is crucial to use methods and algorithms that create simplified terrain meshes out of this data. As a result, steadily new approaches and techniques are developed, to render terrain efficiently with a high degree of detail, while trying to use the most of the current hardware’s performance.
The goal of this thesis is to develop an off-screen terrain renderer using Vulkan as graphics API and real world data sets, as height maps and satellite images. Additionally, the developed terrain render is supposed to be executed on selected embedded devices, while still delivering high framerates.
In order to achieve this goal, necessary basic terminology and concepts of terrain rendering are dealt with. An important part of these concepts are performance optimizations, as level of detail and culling methods.
Furthermore, Vulkan as graphics API will be introduced and compared with its predecessor OpenGL. For a technical understanding of Vulkan it is crucial to look at its render pipeline and basic rendering concepts.
After several rendering methods are analyzed, based on them the design of this thesis’s renderer is examined, while the most important parts of its implementation are looked at closer by analyzing their code snippets.
The main part of this thesis is completed, by analyzing benchmarks of different scenarios to see how the developed terrain render behaves in different situations. These benchmarks include the frames per second, and statistics of the device’s hardware components, as CPU load, GPU load, memory usage and memory throughput.
The thesis ends, with a summary and general conclusion of the work. Possible future work includes optimizing the usage of embedded devices’ unified memory, testing of texture compression methods for an optimized memory usage or a comparison of an OpenGL version of the developed renderer by comparing benchmark results of the same scenarios.
This thesis examines the ethical and societal implications of generative AI models, focusing on their associated risks, but also exploring the potential benefits. It synthesizes existing research to outline the primary concerns and opportunities that generative AI presents, with an emphasis on the need for its responsible development and deployment. The analysis includes an exploration of the increasing difficulty in distinguishing between AI-generated and human-created content, highlighting advancements in AI that challenge current notions of authenticity and trust.
The work further discusses a variety of broader societal changes and risks that may emerge with generative AI, advocating for the necessity of regulatory interventions to mitigate potential negative outcomes. It assesses and critically investigates the current regulatory landscape and potential regulation strategies, noting the lack of comprehensive and mandatory frameworks to address the implications of generative AI adequately.
The critical role of collaborative efforts among stakeholders in navigating the ethical landscape of generative AI is highlighted. It concludes that addressing the examined challenges requires a multidisciplinary approach, integrating insights from an array of fields, including technology, ethics, and policy to ensure that generative AI advances in a way that aligns with societal values and norms.
Cybersecurity as a Service
(2023)
Die Lunge des Menschen ist als eines der Hauptorgane für die Sauerstoffversorgung, die Sauerstoffaufnahme und die anschließende Weitergabe an das Blut im menschlichen Körper zuständig. Eine Erkrankung dieses Organs kann erhebliche gesundheitliche Folgen haben. In der Pneumologie ist man daher bestrebt, solche Krankheiten frühzeitig zu erkennen und effektiv zu behandeln. Das Ziel der vorliegenden Arbeit ist es, anhand von verschiedenen Werten des Blutes, mit Fokus auf Immunoglobulin G und Daten über bisherige Erkrankungen die Verläufe von Lungenkrankheiten vorhersagen zu können und die Behandlung dementsprechend anzupassen.
If we, as user experience designers, want to create truly user-centered experiences, we need to understand not only what people want, but what they need and how they behave. Human behavior, however, also results from the choices people make every day. The same applies to the development and design of automated transportation. To achieve and maintain these goals, we need to accept that human decisions are not only made on a rational level, but rather on the basis of mental shortcuts, which may be efficient, but can also lead to cognitive biases and thus to sub-optimal results.
This master’s thesis specifically sheds light on four cognitive biases - truthiness, illusion of control, action bias and automation bias -, their existence in automated driving, as well as their relationship to each other and possible influencing factors. As part of a preliminary study (n=117), which was implemented as an online questionnaire, the existence of the cognitive biases in focus of this work is examined in more detail and initial findings of visualizations and explanations as an influencing factor are collected. In the further course, a user study (n=34) was completed to build on the knowledge gained and examine the accuracy of the mental model of the occupants of an automated ride and their individual personality traits as further influential parameters. This work should serve as a cornerstone to include cognitive biases and their influencing forces in the development of automated vehicles in the future and to use the knowledge gathered to integrate psychological aspects that affect every human being into user-centered humanmachine interactions.
Accurate and comprehensive semantic segmentation of Bird's Eye View (BEV) is essential for ensuring safe and proactive navigation in autonomous driving. Although cooperative perception has exceeded the detection capabilities of single-agent systems, prevalent camera-based algorithms in cooperative perception neglect valuable information derived from historical observations. This limitation becomes critical during sensor failures or communication issues as cooperative perception reverts to single-agent perception, leading to degraded performance and incomplete BEV segmentation maps. This paper introduces TempCoBEV, a temporal module designed to incorporate historical cues into current observations, thereby improving the quality and reliability of BEV map segmentations. We propose an importance-guided attention architecture to effectively integrate temporal information that prioritizes relevant properties for BEV map segmentation. TempCoBEV is an independent temporal module that seamlessly integrates into state-of-the-art camera-based cooperative perception models. We demonstrate through extensive experiments on the OPV2V dataset that TempCoBEV performs better than non-temporal models in predicting current and future BEV map segmentations, particularly in scenarios involving communication failures. We show the efficacy of TempCoBEV and its capability to integrate historical cues into the current BEV map, improving predictions under optimal communication conditions by up to 2% and under communication failures by up to 19%. The code will be published on GitHub.
Compression of end-to-end non-autoregressive image-to-speech system for low-resourced devices
(2023)
Design und Evaluation einer App für automatisierte Fahrzeuge mit besonderem Fokus auf Inklusion
(2024)
Die Integration automatisierter Fahrzeuge (AVs) bietet bedeutende Vorteile für Menschen mit Sehbehinderungen. Diese Forschungsarbeit fokussiert sich darauf, wie eine umfassende Unterstützung für sehbehinderte Personen während sämtlicher Phasen einer Reise in vollautomatisierten Fahrzeugen gewährleistet werden kann. Im Zuge dieser Untersuchung erfolgte eine eingehende Analyse der wahrgenommenen User Experience und des Vertrauens in das Unterstützungskonzept. Die Bedürfnisse der sehbehinderten Zielgruppe wurden unter anderem durch Interviews präzise ermittelt. Eine vielversprechende Lösung könnte die Entwicklung einer dedizierten App sein.
Durch ein Wizard-of-Oz-Experiment wurden sowohl die App, als auch ein entfernter Reisebegleiter von Nutzern getestet, um eine umfassende Antwort auf die Forschungsfrage zu erhalten. Dieser Ansatz soll sicherstellen, dass die Unterstützung nahtlos und effektiv in den Alltag sehbehinderter Menschen integriert werden kann. Während das Vertrauen in den entfernten Reisebegleiter signifikant höher war als in die App, konnte in der wahrgenommenen User Experience kein signifikanter Unterschied zwischen den beiden Konzepten festgestellt werden.
Da die Erfüllung bestimmter Modelleigenschaften und formeller Anforderungen entscheidend für den Erfolg von Softwareprojekten ist, führt dies zu einer klaren Motivation für die Entwicklung eines Werkzeuges, welche die Prüfung von Modelleigenschaften rationalisiert und beschleunigt. Diese Arbeit widmet sich dem Design und der Implementierung eines Plugins für Visual Paradigm, das die automatisierte formale Prüfung von der Erreichbarkeit der Zustände eines UML-Zustandsdiagramms ermöglicht. Das Plugin setzt sich aus dem Auslesen der Diagrammelemente, deren Übersetzung in das SMTLIB-Format und schlussendlich der Prüfung mithilfe des Z3-Solvers zusammen. Für die Evaluation des Plugins wurde eine Interviewstudie durchgeführt. Diese ergab, dass die korrekte Nutzung von Werkzeugen zur automatisierten Prüfung, zu einer signifikanten Reduzierung der benötigten Zeit und zur Verringerung der menschlichen Fehlerquote bei Erreichbarkeitsanalysen führt. Dies zeigt, dass die korrekte Nutzung des Plugins wahrscheinlich ebenso dieselben Ergebnisse vorweisen könnte.
Die vorliegende Bachelorarbeit konzentriert sich auf die Entwicklung und Implementierung eines innovativen Konzepts unter Nutzung von Graphdatenbanken und ihrer Analysemöglichkeiten in der Prozessautomatisierung. Die Motivation hierfür erwächst aus der zunehmenden Bedeutung von Datenanalyse und -verarbeitung in der heutigen Geschäftswelt, gepaart mit dem Bedarf an effizienten,
flexiblen und skalierbaren Lösungen im Datenmanagement und der Prozessoptimierung.
In einer Zeit, in der der Wert von Daten stetig steigt, wird die effiziente Sammlung, Speicherung und Analyse großer Datenmengen immer entscheidender für den Geschäftserfolg. Herkömmliche Datenbankmodelle kommen hierbei oft an ihre Grenzen, besonders bei der Handhabung komplexer Beziehungen und dynamischer Datenstrukturen. Graphdatenbanken stellen in diesem Kontext eine fortschrittliche Alternative dar, die eine effiziente Darstellung und Verarbeitung von Datenbeziehungen ermöglichen.
Es mangelt jedoch an umfassenden Konzepten, die eine Integration von Graphdatenbanken in die Prozessautomatisierung verschiedener Unternehmensgrößen erlauben. Diese Arbeit strebt danach, diese Forschungslücke zu schließen, indem sie ein praxisnahes Konzept für die Implementierung von Prozessinstanzdaten in eine Graphdatenbank entwickelt. Dies leistet nicht nur einen Beitrag zur wissenschaftlichen Forschung, sondern hat auch das Potenzial, Effizienz und Effektivität von Geschäftsprozessen wesentlich zu verbessern.
Das Hauptziel dieser Arbeit ist die Entwicklung eines Konzepts, das die Stärken von Graphdatenbanken nutzt, um Prozessinstanzdaten und verarbeitete Entitätsdaten in Unternehmen optimal zu analysieren. Dies umfasst die Erstellung eines Prototyps, der die Möglichkeiten von Graphdatenbanken zur Verbesserung von Entscheidungsprozessen durch präzisere Datenanalysen und -interpretationen demonstriert.
Durch die voranschreitende Entwicklung der Technologie im Bereich der
Automobilindustrie können immer mehr digitale Spuren in Fahrzeugen festgestellt werden. Das führt zu einem immer wichtiger werdenden Gebiet, der digitalen Fahrzeugforensik. Dieses beschäftigt sich mit dem Auslesen der Fahrzeugspeicher, die meist proprietäre Dateitypen der Automobilhersteller enthalten. Somit ist der Aufbau dieser Dateien meist unbekannt, was einen Unterschied zur digitalen Forensik darstellt. Hier können durch sogenannte File Carver Dateitypen, anhand bekannter Byte Sequenzen, wie Header oder Footer, erkannt werden. Unbekannte proprietäre Dateien, wie die der Automobilindustrie können somit meist nicht gefunden werden.
Das Ziel dieser Arbeit ist es zu untersuchen, in wieweit klassische File Carver die spezifischen Dateitypen der Automobilbranche erkennen, und ob KI-basierte Ansätze hier möglicherweise einen Vorteil bieten können. Hierzu wird ein synthetischer Datensatz erstellt, um eine Basis mit relevanten Dateitypen zu schaffen.
Die Tests der Softwares auf dem erstellten Datensatz zeigen, dass sich der File Carver Autopsy am Besten für eine Untersuchung in der digitalen Fahrzeugforensik eignet. Jedoch lassen die erzielten Ergebnisse der KI-basierten Methoden auf ein deutliches Entwicklungspotential schließen.
Numerous prognostic factors are currently assessed histopathologically in biopsies of canine mast cell tumors to evaluate clinical behavior. In addition, PCR analysis of the c-Kit exon 11 mutational status is often performed to evaluate the potential success of a tyrosine kinase inhibitor therapy. This project aimed at training deep learning models (DLMs) to identify the c-Kit-11 mutational status of MCTs solely based on morphology without additional molecular analysis. HE slides of 195 mutated and 173 non-mutated tumors were stained consecutively in two different laboratories and scanned with three different slide scanners. This resulted in six different datasets (stain-scanner variations) of whole slide images. DLMs were trained with single and mixed datasets and their performances was assessed under scanner and staining domain shifts. The DLMs correctly classified HE slides according to their c-Kit 11 mutation status in, on average, 87% of cases for the best-suited stain-scanner variant. A relevant performance drop could be observed when the stain-scanner combination of the training and test dataset differed. Multi-variant datasets improved the average accuracy but did not reach the maximum accuracy of algorithms trained and tested on the same stain-scanner variant. In summary, DLM-assisted morphological examination of MCTs can predict c-Kit-exon 11 mutational status of MCTs with high accuracy. However, the recognition performance is impeded by a change of scanner or staining protocol. Larger data sets with higher numbers of scans originating from different laboratories and scanners may lead to more robust DLMs to identify c-Kit mutations in HE slides.
Context: Software tools integral to the testing process of automotive software must provide evidence that they are functioning as intended. The safety standard ISO 26262 outlines methods for qualifying these tools; the scope of the thesis lies in Method 1c tool qualification. Ensuring compliance has the potential to create bottlenecks in the tool vendor’s development process.
Objectives: This thesis aims to reduce the qualification effort by integrating automation techniques such as continuous practices while complying with ISO 26262 requirements. Therefore, a concept was developed consisting of widely used components to enable its applicability not only to the tool under investigation but also to related tools.
Methods: An internal study was undertaken to investigate TEST-GUIDE, the software tool targeted to the application of the proposed concept. Regarding development, the chosen components are based on the analysis of acknowledged surveys published in 2023. To explore additional automation degrees feasible in tool qualification, a taxonomy is presented.
Results: The developed concept was successfully applied to one feature of TEST-GUIDE, leading to a tool qualification report that represents the validation results. At the same time, room for optimization is identified concerning the qualification of multiple features.
Conclusions: This thesis presents an automated approach to encountering bottlenecks that occur during tool qualification. Additionally, the taxonomy serves as guidance to derive novel concepts according to a desired automation degree in this domain.
Keywords: ISO 26262, Continuous Practices, Tool Qualification, Automation, Taxonomy
Die vorliegende Bachelorarbeit dokumentiert die Entwicklung einer Webapplikation zur Optimierung des Bestellprozesses für Arbeitskleidung im FORVIA-Werk Neuburg. Angesichts der ineffizienten und fehleranfälligen papierbasierten Bestellmethode, die das Unternehmen zweimal jährlich durchführt, wurde ein digitalisierter Ansatz entwickelt, um den Prozess zu modernisieren und die Produktivität signifikant zu steigern. Das Hauptziel dieser Arbeit war es, eine hochwertige und benutzerzentrierte Webanwendung zu konzipieren und zu entwickeln, welche die Bedürfnisse der Mitarbeiter berücksichtigt und unabhängig von deren Deutschkenntnissen intuitiv bedienbar ist. Der Entwicklungsprozess umfasste die Anforderungsanalyse und das Design in enger Zusammenarbeit mit den Anforderern und der IT-Leitung, um eine Architektur zu definieren, die sowohl die betrieblichen Abläufe als auch die Anforderungen der Endnutzer abbildet. Die Implementierungsphase fokussierte sich auf die Integration bewährter Programmierpraktiken und die Anwendung von .NET-Technologien, insbesondere unter Verwendung des Entity Frameworks für die Datenverwaltung und Radzen-Blazor für die Benutzeroberfläche. Die resultierende Webanwendung wurde nach der Implementierung in einer Testumgebung geprüft und zeigte eine erfolgreiche Funktionsweise. Die Ergebnisse der Arbeit bestätigen, dass die gesetzten Ziele erreicht wurden. Die Anwendung wird in Kürze in Betrieb genommen und verspricht eine deutliche Verbesserung des Bestellprozesses für Arbeitskleidung.
Die Arbeit beschäftigt sich mit der Frage, wie ein bereits erfolgreicher Lebensmittelhändler in Deutschland ein Geschäftsmodell nach dem „Long Tail“-Prinzip ausgestalten kann. Der „Long Tail“ beschreibt die Strategie, auch weniger populäre Produkte, wie vegane oder glutenfreie Artikel, in einem breiten Sortiment anzubieten, um durch die Kumulierung der Erlöse insgesamt den Umsatz zu erhöhen.
Zur Beantwortung der Forschungsfrage wird die aktuelle Situation des deutschen Lebensmittelhandels betrachtet. Anschließend geht die Arbeit auf die vier zentralen Faktoren des Geschäftsmodells ein: die angebotenen Artikel, die Lebensmittelproduzenten, die potenzielle Kundschaft und die logistische Handhabung von Bestellungen.
Um diese Aspekte zu untersuchen, wurde eine ausführliche Literaturanalyse durchgeführt. Zudem liefern Interviews mit Fachexperten von Edeka Südbayern Einblicke in bestehende Abläufe eines Lebensmittelhändlers.
Die Untersuchung führt zum Ergebnis, dass Konsumenten die Vielfalt des Sortiments als entscheidendes Kriterium bei der Wahl eines Lebensmittelhändlers betrachten. Diese Vielfalt soll durch die Nutzung einer Onlineplattform entstehen. Zudem werden spezifische Konsumentengruppen identifiziert, die besonders von dem Geschäftsmodell profitieren können. Die Arbeit stellt anhand konkreter Zahlen dar, welche Artikelmengen jährlich neu auf den Markt kommen, und erläutert Kriterien anhand derer Lebensmittelhändler eine Auswahl an Produkten für die Plattform treffen können. Es zeigt sich außerdem, dass kleine Lebensmittelproduzenten in besonderer Weise von der Plattform profitieren. Mit dem großen Problem der Distribution kämpfen Lebensmittelhändler heute noch immer. Stationäre Lebensmitteleinzelhändler können das „Long Tail“-Sortiment aufgrund des Umfangs und der Vielfalt nicht vorhalten. Deshalb erfolgt die Zustellung erst nach eingegangener Bestellung aus Lagerung beim Großhändler oder Produzenten. Die Zustellung kann der Lebensmittelhändler schrittweise einführen, zunächst mit dem Click & Collect Modell und schließlich mit dem Endziel der Haustürlieferung. Bei der Ausarbeitung des Geschäftsmodells konnte die Arbeit bestehende Strukturen etablierter Lebensmittelhändler als Vorteil gegenüber jüngeren Akteuren identifizieren.
This bachelor thesis introduces and implements a hybrid software architecture capable of connecting to other instances, forming clusters of nodes to share workload and distribute synthetic environment generation. The architecture supports both peer-to-peer (P2P) and centralized patterns, such as the coordinator-worker model. Nodes can outsource tasks, request services, and share global state through event publishing. A key strength is adaptability to diverse use cases and future technologies through plugin loading. Third-party entities can customize the system with tailored plugins. While advantageous in scenarios with processor bottlenecks, distributing workload onto multiple nodes is not a universal solution. Real-time rendering faces challenges due to communication bottlenecks and network latencies, limiting its applicability. However, it shows promise for more resource-intensive rendering techniques like raytracing, or other inherently distributed applications, like in Monte Carlo simulations.
Magnetic resonance imaging (MRI) has assumed a central role in modern medical imaging thanks to its ability to provide detailed images of the inside of the body. This thesis aims to push the boundaries of conventional MRI by demonstrating two deep learning approaches to reconstruct multparametic correlation spectra. The multi-model approach determines each peak in the spectrum with a separate model, but does not generalise and requires knowledge of the number of spectra being searched for. The residual approach is an iterative process. The strongest signal is determined from the current residual and subtracted from the residual. The spectrum is created using the information obtained. This process is repeated until the residual no longer contains any information. A proof of concept was carried out with the restriction that the number of iterations was determined in advance. This thesis shows that the residual approach works and proves to be promising for future work.
With the prevalence of smart technology, machines become more and more connected. One possible field for IoT is the agrarian sector, since environmental factors can be recorded and acted upon independently from humans. This is especially true for agrarian indoor environments, such as stables and greenhouses. One acting device in this is the electromotor, controlling windows and shading, which is why in this thesis, a system of mechanically linked motors is set up as a scenario to evaluate the properties of different wireless technologies. After choosing 802.11ah as the most promising candidate, a hardware test between one transmitting and one receiving device within the protocol is set up and the results evaluated. Following that a simulation of larger scenarios is conducted and the results are compared to the hardware test, as well as used to judge whether the technology is suitable for the scenario.