Theses

Here you can find theses of Know-Center employees

2019

Nösterer Christian

Datawiz - A Scalable Sensor Data Framework

Master

Master
2019

Haid Manuel

Mobile Multisensorlösung zur Unterstützung von Sicherheits- und Risikoaufgaben bei Großveranstaltungen i

Master

Master
Dramatic tragedies at major events in recent years with many deaths have shown how important it is to develop a security solution to prevent such catastrophes. In the context of this master thesis, a development concept for a mobile multisensor solution was developed, tested and evaluated to support safety and risk tasks at major events. After a detailed hardware research, a first prototype was developed, which was tested at the Frequency Festival in St. Pölten. The impressions and results from this test were evaluated and then a second prototype was developed, tested and subsequently evaluated. In addition to the detailed research of the various hardware components, Global Positioning System (GPS) and Inertial Measurement Unit (IMU) accuracy tests were conducted between professional sensors and smartphone sensors. Finally, a ready-to-use mobile multi-sensor solution was developed to support security and risk issues at major events designed to help security personnel in security tasks at urban locations and major events, thereby avoiding potentially dramatic tragedies.
2019

Prlja Emina

Discovering Business Models of Data Marketplaces

Master

Master
2019

Sudi Klemens

TabEx - Multi-Approach Table Extraction for Native and Scanned PDF Documents

Master

Master
2019

Mandl Sebastian

Echtzeitentscheidungen in der Supply Chain i

Master

Master
Prognosen in heutigen Lieferketten sind von immer mehr Einflussfaktoren abhängig und deshalb wird es immer schwieriger, die Laufzeiten vorherzusagen. Aus diesem Grund müssen oft externe Systeme abgefragt werden, was in der Regel ressourcenintensiv ist. Ziele dieser Arbeit sind die Entwicklung und Einführung eines Entscheidungsbaumes, um die direkte Abhängigkeit von externen Services zu eliminieren und die Vorhersa- ge anhand von historischen Daten durchzuführen. Über einen Datengenerator können synthetische aber auch konstante Testdaten erzeugt und somit die Performance des ent- wickelten Entscheidungsbaumes getestet werden. Der Baum selbst unterscheidet zwischen Entscheidungsfragen und manuellen Fragen. Entscheidungsfragen werden vollständig in der Lernphase anhand der Parameter-Objekte definiert, wohingegen manuelle Fragen vorab programmiert werden. Eine Entscheidungs- findung basiert auf der Grundlage, dass so wenig Ebenen wie möglich erzeugt werden. Die Vereinfachung des Baumes wird anhand von mathematischen Operationen bzw. statis- tischen Werkzeugen, wie dem Ignorieren von unwahrscheinlichen Ergebnissen, erreicht. In dieser Arbeit wird gezeigt, dass es möglich ist, eine NoSQL Datenbank für das Spei- chern von Entscheidungsmodellen zu verwenden. Darüber hinaus kann aufgezeigt wer- den, dass die Vorhersage des Zustelldatums in einem Online-Shop mittels Entscheidungs- baum möglich ist.
2019

Weiß Armin

A Web-Application for Publication-Import-Assistance

Bakk

Bakk
2019

Bernhardt Florian

From a User-Guided System to a System-Guided User in Warehouse Management

Bakk

Bakk
2019

Rohrhofer Franz

Machine learning of first-principles energies for carbon and boron crystal structure

Master

Master
2019

Bebek Laura

Optimizing the Overall Equipment Efficiency in Thermal Processes Through Data Analysis

Master

Master
2019

Baronig Maximilian

Development of a Secure Search Engine for a Data Virtualization Platform

Bakk

Bakk
2019

Felber Thomas

Context Aware Scientific Literature Recommendation using Information Retrieval Techniques

Master

Master
2019

Dennerlein, Sebastian Maximilian

Verstehen und Unterstützen von Sense und Meaning Making des Gesundheitspersonals beim informellen Lernen am Arbeitsplatz: Eine kognitionspsychologische Perspektive i

PhD/ Dissertation

PhD
Informelles Lernen ist der Schlüssel zur Lösung unklar definierter Probleme im englischen Gesundheitswesen, wie etwa der Umsetzung offizieller Empfehlungen in der Praxis. Allerdings hindert der stressige Arbeitsalltag die interdisziplinäre Praxisgemeinschaft ihre Erfahrungen aufzuarbeiten und gemeinsam den besten Lösungsweg auszuhandeln. Die Entwicklung unterstützender Tools bedarf eines Verständnisses der kognitiven Prozesse von Sense und Meaning Making im Erfahrungslernen, welche bisher aber nur in formellen Lernkontexten oder ohne Einbezug von Erfahrungen am Arbeitsplatz untersucht wurden. Zur Untersuchung dieser kognitiven Prozesse im Rahmen des informellen Lernens am Arbeitsplatz und gleichzeitiger Entwicklung technischer Unterstützung habe ich Design-based Research ausgewählt und eine systematische Methode zum kollaborativen Design von Tools ersonnen. Die Methode stellt die Praxis in den Mittelpunkt, leitet die Analyse der Appropriation von latenten Handlungsoptionen an und zielt auf reproduzierbare kreuzvalidierte Forschungseinsichten über Domäne, kognitive Theorien und Design ab. Durch die Einbindung der End-AnwenderInnen wird eine hohe Praxisrelevanz und Akzeptanz des designten Tools sichergestellt. Nach einer Ermittlung des praktischen, technischen und theoretischen Standes der Forschung wurde durch das kollaborative Design und die Analyse der Appropriation von Papier- bis hin zu Softwareprototypen in acht Iterationen das „Bits & Pieces“ Tool entwickelt. Parallel hat dieser Prozess zum Verständnis der Arbeits- und Lernpraxis im englischen Gesundheitswesen sowie einem kognitiven Modell von Sensemaking, Meaning Making und interdisziplinärer Teamarbeit im informellen Lernen geführt. Die Ergebnisse können in zukünftigen Forschungsvorhaben und in der Entwicklung von Lerntechnologien verwendet werden. Weiters hat die Studie zur Erhöhung der digitalen Kompetenz der teilnehmenden ExpertInnen geführt, was auch zur eigenmächtigen Verbesserung der Situation befähigt.
2019

Kogelnik Philipp

Convolutional Neural Networks for Toxicity Classification in Online Comments

Master

Master
2019

Absenger Thomas

Growing Decision Trees with Reinforcement Learning

Master

Master
2019

Schmidhofer Andreas

Dataset Generation Guideline for Acoustic Transport Mode Detection

Master

Master
2019

Gotthardt Sascha

Simulation of an RFID-aided and Digitized Milk-run Logistics System within the Context of a Learning Factory

Master

Master
2019

Wagner Lukas

A browser based PDF annotation tool

Bakk

Bakk
2019

Dörrhöfer Jannis

Ermittlung von Einflussfaktoren für zukünftige Standorte von Ladeinfrastruktur für E-Fahrzeuge

Master

Master
2019

Reith Thomas

Kafka: Implementing a Distributed Messaging System for Reporting

Bakk

Bakk
2019

Wagner Stefan

Marktanalyse datengetriebener Wertschöpfungen in der Automobilindustrie i

Master

Master
Die Automobilindustrie erfährt aufgrund technologischer Entwicklungen, wie zum Beispiel dem autonomen Fahren oder der Elektrifizierung des Antriebsstranges, bedeutende Veränderungen. Einhergehend mit diesen Veränderungen, ist ein deutliches Wachstum generierter Daten, welche in sämtlichen Phasen der Automobilen Wertschöpfungskette erzeugt werden. Ziel vieler Unternehmen ist es, diese zur Verfügung stehenden Daten, wirtschaftlich zu verwerten. Die zwei bedeutendsten Möglichkeiten hierfür sind die datenbasierte Umsatzsteigerung, welche beispielsweise den Verkauf von Daten oder das Angebot von datenbasierten Services, beinhaltet, und die Kostenreduktion basierend auf dem Wissen, welches mittels vorhandener Daten generiert wird. Das große ökonomische Potential, welches von diversen Unternehmungen und Institutionen, darunter auch McKinsey (2016c, p.7ff), vorhergesagt wird, ruft Unternehmen aus verschiedenen Geschäftsbereichen auf den Plan, in diesem Bereich tätig zu werden. Neben den konventionellen Unternehmen in der Automobilindustrie, wie OEMs und Entwicklungsdienstleistern, versuchen neue Marktteilnehmer wie zum Beispiel IT-Unternehmen und Start-ups, im Datengeschäft der Automobilindustrie, Fuß zu fassen. Ziel dieser Arbeit ist es, eine Auswahl an, für die AVL relevanten, Entwicklungsdienstleistern, IT-Unternehmen und Start-ups zu identifizieren, diese auf ihr Marktangebot an datenbasierten Dienstleistungen, Produkten, Plattformen und anderen datenbasierten Aktivitäten, wie etwa Forschung, Kooperationen oder Firmenübernahmen, zu analysieren und die Ergebnisse zu interpretieren. Die Bestimmung der zu analysierenden Unternehmen basiert auf Rankings welche die umsatzstärksten Entwicklungsdienstleister in der Automobilindustrie sowie die umsatzstärksten IT-Unternehmen in der deutschen Automobilindustrie identifiziert. Relevante Start-ups wurden mit Hilfe einer Start-up Abfrage des Unternehmens Innospot bestimmt. Unternehmen dieser drei Unternehmensgruppen wurden auf Basis der öffentlich verfügbaren Informationen analysiert. Relevante Informationen bezüglich datenbasierter Dienstleistungen, Produkte und anderer datenbasierten Aktivitäten wurden unter Verwendung von Clustern kategorisiert und mit zusätzlichen Informationen aufgenommen. In dieser Arbeit kann ein Cluster als Themengebiet verstanden werden, wie zum Beispiel „Autonomes Fahren“ oder „Testen“. Die Auswertung der durch die Analyse gewonnen Daten, führte zu einer Vielzahl an Ergebnissen. Durch die Methode des Clusterns, wurden die Aktivitätsbereiche der Unternehmen, sowie jene Bereiche, in denen keine Aktivität festgestellt wurde, ermittelt. Eine Gegenüberstellung der Aktivitätsbereiche der analysierten Unternehmen mit jenen der AVL, identifiziert Unternehmen nach ihrer Cluster-Übereinstimmung mit der AVL. Jene Cluster, in denen keine Aktivität der AVL festgestellt werden konnte, wurden einer eigenen Analyse unterzogen, um Unternehmen zu identifizieren, welche in diesen Bereichen aktiv sind. Eine separate Analyse zeigt die Aktivität der analysierten Unternehmensgruppen in den Phasen der Automobilen Wertschöpfungskette. Entwicklungsdienstleister sind in den Phasen Entwicklung, Validierung, Produktion und Aftersales aktiv. Der Schwerpunkt der IT-Unternehmen liegt im Bereich der Produktion und des Aftersales. Start-ups legen ihren Fokus hauptsächlich auf den Aftersales Bereich. Diese Arbeit beschäftigt sich auch mit der Frage, ob Entwicklungsdienstleister und IT-Unternehmen an denselben datenbasierten Themen arbeiten oder ob eine klare Differenzierung möglich ist. Um diese Frage zu beantworten, wurde eine Competitive Landscape erstellt, welche die gegenwärtige Position von zuvor definierten Entwicklungsdienstleistern, IT-Unternehmen und Start-ups darstellt. Speziell größere Entwicklungsdienstleister, welche in vielen Clustern aktiv sind, sind vermehrt auch in IT-Bereichen tätig.
Contact Career

Hiermit erkläre ich ausdrücklich meine Einwilligung zum Einsatz und zur Speicherung von Cookies. Weiter Informationen finden sich unter Datenschutzerklärung

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close