<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>3055</id>
    <completedYear/>
    <publishedYear>2021</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>34</pageFirst>
    <pageLast>42</pageLast>
    <pageNumber/>
    <edition/>
    <issue>13</issue>
    <volume/>
    <type>article</type>
    <publisherName>Hochschule</publisherName>
    <publisherPlace>Luzern</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Big Data im Bereich der technischen Sauberkeit</title>
    <abstract language="deu">Dieses Projekt befasst sich mit Fragestellungen zur Anwendung von künstlicher Intelligenz im Bereich der Technischen Sauberkeit. Durch Literaturforschungen, die einen Ablauf nach Fettke 2006 haben, werden KI-Anwendungen gesucht, die bereits im Zusammenhang mit der Technischen Sauberkeit verwendet werden. Die Forschungen konnten zwölf Literaturquellen ermitteln. &#13;
Durch diese Literaturanalyse wurde festgestellt, dass 91 Prozent CV (Computer Vision) zur Partikelerkennung verwenden. Aus diesem Grund wurde anschließend ein CV Modell zur Partikelerkennung implementiert. Durch die Konfusionsmatrix konnte eine Treffergenauigkeit von 82 Prozent festgestellt werden. Daraus folgt, dass eine Partikelklassifikation möglich ist. Abschließend wurde eine weitere Literaturforschung zu Text Mining Applikationen durchgeführt, da der Bereich der Qualitätsanalyse im Monitoring laut Aufgabenstellung&#13;
eingezogen werden sollte. In dieser konnte kein positives Ergebnis erzielt werden, da speziell nach fertigen Anwendungen gesucht wurde, die Analysetexte im Bereich der technischen Sauberkeit kategorisieren&#13;
können.</abstract>
    <parentTitle language="deu">Anwendungen und Konzepte der Wirtschaftsinformatik (AKWI)</parentTitle>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-30550</identifier>
    <identifier type="doi">10.26034/lu.akwi.2021.3296</identifier>
    <identifier type="issn">2296-4592</identifier>
    <enrichment key="opus.import.date">2022-03-16T06:25:29+00:00</enrichment>
    <enrichment key="opus.source">sword</enrichment>
    <enrichment key="opus.import.user">importuser</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Creative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International</licence>
    <author>Frank Herrmann</author>
    <author>Jan Michael Kirschner</author>
    <author>Thomas Kleinert</author>
    <author>Harald Fritzsche</author>
    <collection role="institutes" number="FakANK">Fakultät Angewandte Natur- und Kulturwissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <collection role="othforschungsschwerpunkt" number="16316">Produktion und Systeme</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/3055/Herrmann_Bigdata.pdf</file>
  </doc>
</export-example>
