@masterthesis{Guryanov, type = {Bachelor Thesis}, author = {Guryanov, Nikita}, title = {Entwicklung und Anwendung von einem neuronalen Netzwerk zur Analyse und Klassifikation von Produktbildern in E-Commerce-Systemen}, doi = {10.60524/opus-2099}, pages = {138}, abstract = {Die rasante Entwicklung verschiedener Arten neuronaler Netzwerke und k{\"u}nstlicher Intelligenz macht diese einem breiten Verbraucherkreis zug{\"a}nglich. Das Problem der menschlichen Interaktion und allt{\"a}glicher Routineaufgaben kann durch die kompetente und rationale Implementierung der Technologie der k{\"u}nstlichen Intelligenz in bekannte Formen von E-Commerce-Systemen unter Zuhilfenahme zus{\"a}tzlicher Mittel zur Verbraucherunterst{\"u}tzung gel{\"o}st werden. Eine solche Form der Nutzung großer Datenmengen k{\"o}nnte das Sucherlebnis und die Zug{\"a}nglichkeit von Informationen in E-Commerce-Systemen durch die Interaktion des Verbrauchers mit seinem Smartphone verbessern. Dies k{\"o}nnte beispielsweise durch die Verwendung der Kamera beim Suchen, Ausw{\"a}hlen und Kl{\"a}ren von Produktinformationen erfolgen. Im Rahmen dieser Arbeit werden m{\"o}gliche Algorithmen zur Kombination einer Reihe grafischer Informationen {\"u}ber Produkte in einem neuronalen Netzwerk mit der anschließenden Konstruktion einer vorgefertigten L{\"o}sung mithilfe k{\"u}nstlicher Intelligenz pr{\"a}sentiert. Die Umsetzung erfolgt in Form einer mobilen App f{\"u}r Smartphones. Dar{\"u}ber hinaus werden die schrittweise Umsetzung solcher L{\"o}sungen in die praktische menschliche T{\"a}tigkeit unter dem Gesichtspunkt der Rationalit{\"a}t, G{\"u}ltigkeit und technischen Umsetzung solcher Technologien analysiert.}, language = {de} } @masterthesis{Riedmiller, type = {Bachelor Thesis}, author = {Riedmiller, Sebastian}, title = {KI-Automatisierung vs. Manuell: Eine Analyse von Prompt-basierter und traditioneller Entwicklung einer Web-Anwendung}, doi = {10.60524/opus-2476}, pages = {107}, abstract = {In dieser Arbeit wird eine Web-Anwendung einmal traditionell und einmal Prompt-basiert entwickelt und verglichen. Dabei werden die Softwarequalit{\"a}t der beiden Web-Anwendungen sowie der jeweilige Zeitaufwand gegen{\"u}bergestellt. Zudem wird untersucht, welches Potenzial die Prompt-basierte Entwicklung im Hinblick auf Automatisierung und damit im Vergleich zur traditionellen Entwicklung aufweist. Die manuelleWeb-Anwendung wird anhand eines klassischen Softwareentwicklungsprozesses erstellt. F{\"u}r die Prompt-basierte Entwicklungwerden geeignete KITools sowie effektive Prompting-Techniken zur Erstellung passender Prompts ermittelt. Außerdem werden objektive Softwarequalit{\"a}tsmetriken zur Bewertung der Web-Anwendungen sowie zur Bestimmung des Automatisierungsgrads herangezogen. In Bezug auf die Softwarequalit{\"a}t ist die manuell entwickelte Web-Anwendung vor allem hinsichtlich der Funktionalit{\"a}t {\"u}berlegen. Bei anderen Qualit{\"a}tsmerkmalen wie Wartbarkeit, Codequalit{\"a}t und Sicherheit k{\"o}nnen die KI-erstellten Web-Anwendungen jedoch mithalten. Der Zeitaufwand f{\"u}r die Prompt-basierte Entwicklung ist deutlich geringer als bei der traditionellen Entwicklung und zeigt in diesem Bereich großes Potenzial. Der Automatisierungsgrad variiert je nach Entwicklungsschritt und ist zudem abh{\"a}ngig von den eingesetzten KI-Tools.}, language = {de} } @masterthesis{Ruegner, type = {Bachelor Thesis}, author = {R{\"u}gner, Lukas}, title = {WebAssembly als Erg{\"a}nzung zu JavaScript f{\"u}r Webanwendungen}, doi = {10.60524/opus-321}, pages = {iv, 68}, abstract = {WebAssembly definiert einen Bytecode zur Ausf{\"u}hrung im Browser und soll leistungsst{\"a}rkere Webanwendungen erm{\"o}glichen. WebAssembly wird dabei nicht direkt per Hand geschrieben, sondern dient als Kompilierungsziel f{\"u}r andere Sprachen. Ziel dieser Arbeit ist es, einen {\"U}berblick {\"u}ber die 2017 ver{\"o}ffentlichte Technologie zu geben und den aktuellen Stand hinsichtlich Performanz und Bedienbarkeit zu analysieren. Daf{\"u}r wurden die Sprachen Rust, C/C++ und AssemblyScript anhand von kleinen Beispielanwendungen betrachtet und deren Performanz mit Benchmarks getestet. Vor allem die ersten zwei Sprachen stellten sich dabei als sehr ausgereift heraus und zeigten in den Tests eine bessere Leistung als JavaScript. AssemblyScript befindet sich noch in Entwicklung, wirkt allerdings bereits jetzt schon sehr vielversprechend und kann mit zus{\"a}tzlichen Optimierungen ebenfalls eine hohe Geschwindigkeit erreichen.}, language = {de} } @masterthesis{Sattler, type = {Bachelor Thesis}, author = {Sattler, Martin}, title = {KI-gest{\"u}tzte Optimierung der Werkzeugstandzeit in CNC-Maschinen}, doi = {10.60524/opus-2821}, pages = {117}, abstract = {This thesis presents the development of a prototype, locally deployable AI system for predicting tool life in CNC machines. Its goal is to optimize maintenance cycles and reduce downtime through data-driven analysis. The system uses machine learning methods implemented with TensorFlow/Keras and follows a modular architecture separating the data pipeline, model, and interface integration. Historical machine data are preprocessed, encoded, and scaled for training. The evaluation shows that the prototype is technically functional but fails to meet its predictive goal, reaching an error rate of about 80\%. The main reasons are the limited dataset and inconsistent input quality. This underlines the strong dependency of model performance on data completeness and consistency. The conclusion identifies key improvements: expanding data sources, refining feature engineering, hyperparameter tuning, and integrating real-time production data. The prototype thus provides a foundation for future research toward higher predictive accuracy and industrial applicability.}, language = {de} } @masterthesis{Mayer, type = {Bachelor Thesis}, author = {Mayer, Theresa}, title = {Entwicklung eines neuronalen Netzes zur Sentimentanalyse und Emotionserkennung in digitalen Texten}, doi = {10.60524/opus-2773}, pages = {86}, abstract = {Digitale textbasierte Kommunikation steht vor der Herausforderung, trotz fehlender Kommu- nikationshilfen wie Mimik und Gestik, reibungslos und m{\"o}glichst ohne Missverst{\"a}ndnisse zu funktionieren. Mittels dem Einsatz k{\"u}nstlicher Intelligenz bzw. neuronaler Netze kann dieser Mangel gelindert werden. Durch die Verwendung eines KI-Assistenten kann zwischenmenschli- che digitale Kommunikation erfolgreicher und effektiver gestaltet werden, indem Nutzern eine Verst{\"a}ndnishilfe bereitgestellt wird. Im Rahmen dieser Arbeit werden verschiedene Methoden der maschinellen Sprachverarbeitung sowie Arten neuronaler Netze auf ihre Eignung der Sentiment- und Emotionsklassifikation verglichen. Anschließend wird ein neuronales Netz trainiert und in eine prototypische Anwendung integriert, die das Modell als KI-Assistenten nutzt. Die Anwendung wird in Form einer Browser-Erweiterung pr{\"a}sentiert.}, language = {de} }