Herzlichen Willkommen im KI-Labor des Fachbereich Wirtschaftsingenieurwesen der Hochschule Niederrhein
Im Verzeichnis Vorlagen finden Sie eine Vorlage für Powerpointpräsentationen, die sie im Labor halten. Weiterhin finden Sie auch eine Vorlage für ein Poster, wie es z.B. bei den Engineering Days verwendet wird.
Alle untenstehenden Themen müssen durch die Studierenden konkretisiert werden. Es wird erwartet, dass sich Studierende mit den Themen auseinandersetzen und sich ein Thema "zu eigen" machen. Allein dadurch können manche Themen mehrfach bearbeitet werden.
Es wird erwartet, dass ein Studierender ein Expose anfertigt und dieses Expose dem betreuenden Professor vorstellt. Dies ist als erster Schritt zur Abschlussarbeit zu verstehen.
Kommen Sie gerne bei Fragen auf uns zu!
Alle Themen können auf Bachelor- oder Masterniveau bearbeitet werden. Da sich das KI-Labor im Aufbau befindet, können Sie auch Ihre Praxisphase an der Hochschule in diesem Kontext absolvieren.
- Wie lassen sich GPT-Archtitekturen, insbesondere Vision Language Action Models im Bereich der Robotik implementieren? Anwendungen, theoretische Grundlagen, Umsetzung im Labor mit Roboterhardware
- Welche Möglichkeiten gibt es, Bilderkennungs-KI auf Edge Computing Devices einzusetzen? Grundlagen, Marktübersicht, Auswahl, Implementierung, Performance Untersuchung
- Wie kann der Energieverbrauch durch den Einsatz von KI in der Fertigung gemessen und bewertet werden? Gibt es Möglichkeiten zur systematischen Systemgestaltung für die Zielgröße der Energieeffizienz? Grundlagen, Hardware-Software-Auswahl und Programierung, Statistische Versuchplanung und Experimente
- Modellierung von Roboteranwendung im ROS-Framework, z.B. Weiterentwicklung eines Schankroboters
- Entwicklung eines Elektro-Schraubers für den Einsatz in der kollaborativen Robotik und Integration mit den vorhandenen Roboter, z.B. KUKA iiwa
- Entwicklung eines Zertifizierungsassistenten für KI-Compliance entsprechend des EU-AI-Act
- Entwicklung einer Roboter-Anwendung unter Nutzung der OPC-UA Companion Specification
- Wie kann eine Simultanübersetzung im Sinne des "Babel-Fish" aus "Per Anhalter durch die Galaxis" realisiert werden? Entwicklung eines ersten Prototypen auf Basis von https://www.nature.com/articles/s41586-024-08359-z
Themenliste Forschung & Praxis (Prof. Poschmann) --> Diese Projekte eignen sich auch besonders gut für Praxissemester und anschließende Bachelorprojekte
- Tracking von Warenträgern (Schränken) in einer Herstellungsumgebung der Lebensmittelindustrie mit Hilfe von Kameratechnik (KI, Marker) im Labormaßstab und als Realanwendung (mit Kooperationsunternehmen)
- Untersuchung der Analysemöglichkeiten von qNMR-Spektren durch den Einsatz von MEthoden künstlicher Intelligenz (mit Kooperationsunternehmen)
- Entwicklung einer modularen KI-Plattform für die Umsetzung von produktiven Anwendungen in kleinen und mittleren Unternehmen
Projekte mit der Firma SCHUNK (auch als Praxisssemester /Praktikum!):
-
Synthetische Datengenerierung für das 2D Grasping-Kit: Frage: Sind reale Bilder als Grundlage noch notwendig? Mehrwert Produkt: Verbesserung/Beschleunigung des Einlernprozess
-
Tiefenschätzung für das 2D Grasping-Kit: Frage: Ist eine Höhenangabe der Objekte noch notwendig? Mehrwert Produkt: Verbesserung/Beschleunigung des Einlernprozess
-
Anomalieerkennung für das 2D Grasping-Kit: Frage: Kann eine integrierte oder nachgelagerte Anomalieerkennung integriert werden? Mehrwert Produkt: Erweiterung der Grundfunktion
-
CAD Rekonstruktion für das 2D Grasping-Kit: Frage: Können aktuelle Rekonstruktionsalgorithmen eine Basis für Trainingsdaten erzeugen Mehrwert Produkt: Erweiterung der Grundfunktion
-
Szenen Rekonstruktion und Kalibrierung für das 2D Grasping-Kit: Frage: Können aktuelle Rekonstruktionsalgorithmen eine Basis für die Kalibrierung erzeugen Mehrwert Produkt: Verbesserung/Beschleunigung des Kalibrierungsprozesses
-
Explainable AI für das 2D Grasping-Kit: Frage: Können Vision AI Algorithmen nachvollziehbar dargestellt werden? Mehrwert Produkt: Verbesserung der Kundenakzeptanz
- Wie können Large Language Models im Software Engineering eingesetzt werden? Denken Sie an den Einsatz im Requirements Engineering, in der Modellierung, Code-Generierung, Testing, Deployment etc.
- Welche Datasets werden genutzt, um Code zu generieren, der nicht auf den weit verbreiteten Sprachen (Java, C, Python, Javascript etc.) basiert? Denken Sie z.B. an Sprachen wie das 3D Manufacuturing Format (https://en.wikipedia.org/wiki/3D_Manufacturing_Format) o.ä.
- Wie lassen sich die Anforderungen des AI Acts in der Architektur von modernen KI-Systemen abbilden?
- Wie lassen sich die heutigen sehr ressourcenaufwändigen Ansätze zur künstlichen Intelligenz nachhaltiger gestalten?
- Wie lassen sich moderne Ansätze der symbolischen KI in moderner Software einsetzen?
- Wie können Open Data Systeme / Open Science Konzepte in künstlicher Intelligenz eingesetzt werden (siehe auch unten)?
- Wie können moderne Stadtentwicklungskonzepte (15-Minuten Stadt, Inclusive Architecture, SolaWi, Urban Gardening, Sustainable Cities, Gedenkkultur etc.) mit künstlicher Intelligenz unterstützt / umgesetzt werden. Es könnten sowohl technische wie auch wirtschaftliche Prüfungen durchgeführt werden.
- Wie können Open Data Konzepte in der Stadtentwicklung eingesetzt werden (siehe auch oben)?
- Wie können Third Places mit künstlicher Intelligenz aufgewertet werden? Denken Sie an Bibliotheken, Hochschulen, Theater, Konzerträume, Museen, öffentliche Plätze etc.
- Wie werden Large Language Models zur Produktsuche eingesetzt? Wie können spezialisierte LLMs gebaut werden, um Suchprozesse im E-Commerce zu unterstützen?
- Welche Datensets können sinnvoll genutzt werden um moderne KI-Systeme zu unterstützen? Welche Eigenschaften müssen diese Datensets haben?