TY - THES A1 - Guryanov, Nikita T1 - Entwicklung und Anwendung von einem neuronalen Netzwerk zur Analyse und Klassifikation von Produktbildern in E-Commerce-Systemen N2 - Die rasante Entwicklung verschiedener Arten neuronaler Netzwerke und künstlicher Intelligenz macht diese einem breiten Verbraucherkreis zugänglich. Das Problem der menschlichen Interaktion und alltäglicher Routineaufgaben kann durch die kompetente und rationale Implementierung der Technologie der künstlichen Intelligenz in bekannte Formen von E-Commerce-Systemen unter Zuhilfenahme zusätzlicher Mittel zur Verbraucherunterstützung gelöst werden. Eine solche Form der Nutzung großer Datenmengen könnte das Sucherlebnis und die Zugänglichkeit von Informationen in E-Commerce-Systemen durch die Interaktion des Verbrauchers mit seinem Smartphone verbessern. Dies könnte beispielsweise durch die Verwendung der Kamera beim Suchen, Auswählen und Klären von Produktinformationen erfolgen. Im Rahmen dieser Arbeit werden mögliche Algorithmen zur Kombination einer Reihe grafischer Informationen über Produkte in einem neuronalen Netzwerk mit der anschließenden Konstruktion einer vorgefertigten Lösung mithilfe künstlicher Intelligenz präsentiert. Die Umsetzung erfolgt in Form einer mobilen App für Smartphones. Darüber hinaus werden die schrittweise Umsetzung solcher Lösungen in die praktische menschliche Tätigkeit unter dem Gesichtspunkt der Rationalität, Gültigkeit und technischen Umsetzung solcher Technologien analysiert. N2 - The rapid evolution of various types of neural networks and artificial intelligence technologies has made them increasingly accessible to a broad consumer base. Addressing the challenges of human interaction and routine daily tasks, this paper proposes the adept and rational integration of artificial intelligence technology into established e-commerce systems, augmented by additional consumer support tools. Such an application of large data volumes can enhance the search experience and the accessibility of information within e-commerce systems through consumer interactions on smartphones. This could be particularly effective using smartphone cameras for searching, selecting, and clarifying product information. This study presents potential algorithms for integrating an array of graphic product information into a neural network, followed by the development of a prefabricated solution leveraging artificial intelligence. The implementation is manifested in a mobile app designed for smartphones. Additionally, this paper analyzes the step-by-step integration of such solutions into practical human activities, focusing on the rationality, validity, and technical execution of these technologies. KW - Bilderkennung KW - E-Commerce KW - neuronale Netzwerke KW - künstliche Intelligenz Y1 - 2024 U6 - https://doi.org/10.60524/opus-2099 ER - TY - THES A1 - Riedmiller, Sebastian T1 - KI-Automatisierung vs. Manuell: Eine Analyse von Prompt-basierter und traditioneller Entwicklung einer Web-Anwendung N2 - In dieser Arbeit wird eine Web-Anwendung einmal traditionell und einmal Prompt-basiert entwickelt und verglichen. Dabei werden die Softwarequalität der beiden Web-Anwendungen sowie der jeweilige Zeitaufwand gegenübergestellt. 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. Für die Prompt-basierte Entwicklungwerden geeignete KITools sowie effektive Prompting-Techniken zur Erstellung passender Prompts ermittelt. Außerdem werden objektive Softwarequalitätsmetriken zur Bewertung der Web-Anwendungen sowie zur Bestimmung des Automatisierungsgrads herangezogen. In Bezug auf die Softwarequalität ist die manuell entwickelte Web-Anwendung vor allem hinsichtlich der Funktionalität überlegen. Bei anderen Qualitätsmerkmalen wie Wartbarkeit, Codequalität und Sicherheit können die KI-erstellten Web-Anwendungen jedoch mithalten. Der Zeitaufwand für 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 abhängig von den eingesetzten KI-Tools. KW - Automatisierungsgrad KW - KI-Tools KW - Prompt Engineering KW - Web-Anwendung KW - Prompt-basierte Entwicklung Y1 - 2025 U6 - https://doi.org/10.60524/opus-2476 ER - TY - THES A1 - Rügner, Lukas T1 - WebAssembly als Ergänzung zu JavaScript für Webanwendungen N2 - WebAssembly definiert einen Bytecode zur Ausführung im Browser und soll leistungsstärkere Webanwendungen ermöglichen. WebAssembly wird dabei nicht direkt per Hand geschrieben, sondern dient als Kompilierungsziel für andere Sprachen. Ziel dieser Arbeit ist es, einen Überblick über die 2017 veröffentlichte Technologie zu geben und den aktuellen Stand hinsichtlich Performanz und Bedienbarkeit zu analysieren. Dafür 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 zusätzlichen Optimierungen ebenfalls eine hohe Geschwindigkeit erreichen. KW - Webentwicklung KW - WebAssembly KW - Performanz KW - Rust KW - Emscripten KW - AssemblyScript KW - web development KW - performance Y1 - 2022 U6 - https://doi.org/10.60524/opus-321 ER - TY - THES A1 - Sattler, Martin T1 - KI-gestützte Optimierung der Werkzeugstandzeit in CNC-Maschinen N2 - 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. N2 - In der vorliegenden Arbeit wird ein prototypisches, lokal betreibbares KI-System zur Vorhersage der Werkzeugstandzeit in CNC-Maschinen entwickelt. Ziel ist es, durch datengetriebene Analysen Wartungszyklen zu optimieren und Ausfallzeiten zu reduzieren. Grundlage bilden maschinelle Lernverfahren mit TensorFlow/Keras sowie eine modulare Softwarearchitektur mit separater Datenpipeline, Modellkomponente und Schnittstellenanbindung. Als Datenquelle dienen historische Maschinendaten, die vorverarbeitet, kodiert und skaliert werden. Die Evaluation zeigt, dass der Prototyp technisch funktionsfähig ist, seine prognostische Zielgröße jedoch mit einer Fehlerrate von rund 80 % deutlich verfehlt. Hauptursachen sind die begrenzte Datenbasis und die schwankende Eingabedatenqualität, was die starke Abhängigkeit der Modellgüte von Datenvollständigkeit und -konsistenz verdeutlicht. Im Fazit werden Optimierungspotenziale benannt, darunter erweiterte Datenquellen, verbessertes Feature Engineering, Hyperparameter-Tuning und die Integration von Echtzeitdaten. Zudem werden mögliche Anwendungen in anderen Branchen wie Automobilbau, Luft- und Raumfahrt sowie Predictive Maintenance aufgezeigt. Y1 - 2025 U6 - https://doi.org/10.60524/opus-2821 ER - TY - THES A1 - Mayer, Theresa T1 - Entwicklung eines neuronalen Netzes zur Sentimentanalyse und Emotionserkennung in digitalen Texten N2 - Digitale textbasierte Kommunikation steht vor der Herausforderung, trotz fehlender Kommu- nikationshilfen wie Mimik und Gestik, reibungslos und möglichst ohne Missverständnisse zu funktionieren. Mittels dem Einsatz künstlicher 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 Verständnishilfe 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 präsentiert. N2 - Digital text-based communication faces the challenge of functioning smoothly and, if possible, without misunderstandings, despite the lack of communication aids such as facial expressions and gestures. This deficiency can be alleviated by using artificial intelligence or neural networks. By using an AI assistant, interpersonal digital communication can be made more successful and effective by providing users with a means of understanding. This thesis compares various methods of natural language processing and types of neural networks for their suitability for sentiment and emotion classification. A neural network is then trained and integrated into a prototype application that uses the model as an AI assistant. The application is presented as a browser extension. KW - Sentimentanalyse KW - Emotionsanalyse KW - Neuronales Netz KW - RNN KW - Browsererweiterung KW - sentimentanalysis KW - emotionsanalysis KW - neural network KW - browserextension Y1 - 2025 U6 - https://doi.org/10.60524/opus-2773 ER -