It is a known fact, that more and more people are spending a big part of their lifetime sitting at a static workplace. It is also known, that this leads to injuries like disturbed blood flow, neck pain or even damage of the spine. Currently a rising number of workplaces is getting smarter. They offer the ability to be adjusted in height and to get connected closer to the user. People working at such workplaces simply need to get used to that functionality and the positive effects on their personal health. The challenge is that currently there is no ideal interface between the user and the workplace. One idea to solve this issue is to use standard smartwatches, which are worn by the user and are able to interact with the intelligent work environment. The aim of this thesis is to find ways, how standard smartwatches can be integrated into an intelligent office environment. The main focus of the thesis is to create a foundation for further developments in that field. Therefore a target system is defined and a system architecture is built upon that. In correlation to the target system the toolchain is set up and the integration is realized through exemplary implementations. These implementations were also tested and verified by a defined group of people. The exemplary implementations show, that an integration of smartwatches into intelligent work environments is possible from a technical standpoint. Next to that, a defined group of people conduct tests with the smartwatches. The survey, which has to be done by the group after the tests, showed that smartwatches bring many challenges in terms of haptics, usability and availability. It is planned to continue the developments in the field of smartwatches and their sensors to finally create a real added value for users of intelligent work environments.

Die Fachhochschule CAMPUS 02 hat für Forschungs- und Projektaufgaben sowie für Demonstrationsbzw. Vorführungszwecke für die Studierenden der Fachrichtung Automatisierungstechnik einen SechsAchs-Knickarmroboter des Typs UR5 der Firma Universal Robots angekauft. Dabei handelt es sich um einen kollaborierenden Roboter (eng. COBOT), in dessen Arbeitsbereich Mensch und Roboter interagieren können. Die Sicherheitsfunktionen sind so ausgelegt, dass es selbst bei Kollision zwischen Maschine und Mensch zu keiner Gefährdung der Person kommt. Ziel dieser Arbeit war es, einen mobilen Arbeitsplatz für diesen kollaborierenden Roboter zu gestalten, welcher es ermöglicht, diese Sicherheitsstandards einzuhalten. Des Weiteren galt es zu untersuchen, welcher passende Endeffektor (z.B. Greifer für Manipulationszwecke) in Zukunft verwendet werden kann und ob sich ein Kamerasystem für z.B. das Lesen von Strich- oder Barcodes implementieren lässt. Um einen allen anwendbaren Normen und Richtlinien entsprechenden Arbeitsbereich gestalten zu können, wurden Methoden wie Risikoanalyse, Fehlermöglichkeits- und -einflussanalyse (FMEA) und Nutzwertanalyse (NWA) herangezogen. Das Ergebnis dieser Analysen und Tests zeigte, dass trotz Einhaltung der Richtlinien und Normen je nach Anwendungsfall, eine Verletzungsfreiheit der interagierenden Person nicht zu hundert Prozent gewährleistet werden kann. Es wird daher empfohlen diese Risiken separat zu bewerten und diese vor der Inbetriebnahme des Systems durch zusätzliche Maßnahme zu eliminieren. Denkbar wären beispielsweise der Einbau von Schutzblechen, die Konfiguration von Schutzebenen oder die Implementierung einer Schutzfeldüberwachung. Das Kamerasystem lässt sich optimal in die Arbeitsplatzumgebung einbinden und entsprechend adaptieren. Greifer bzw. allgemein Endeffektoren müssen immer für jeden Verwendungszweck passend ausgewählt werden. Dabei sollten sowohl wirtschaftliche als auch sicherheitsspezifische Gesichtspunkte als Entscheidungskriterien herangezogen werden.

Das Ziel der vorliegenden Masterarbeit ist es, einen beim Unternehmen AVL List GmbH bis dato manuell durchgeführten Wareneingangskontrollprozess von Batteriezellen zu optimieren. Dazu werden zuerst grundlegende Informationen rund um das Thema Lithium-Ionen-Batterien vorgestellt, die wichtig für den Kontrollprozess sind. Dabei wird vor allem detailliert auf die unterschiedlichen technischen Kriterien wie z. B. Zellspannung, Energiedichte, Zellalterung und Sicherheit eingegangen. Des Weiteren werden die in der Literatur beschriebenen verschiedenen Methoden zur Prozessoptimierung im Supply Chain Management näher erläutert, um daraus die weitere Vorgehensweise bei der Prozessanalyse zu definieren. Im nächsten Schritt wird dann der aktuelle Prozess analysiert und beschrieben, um auf Basis dessen Ablauf eine mögliche Definition für einen automatisierten Prozess zu generieren. Anhand dieser Analyse stellt sich heraus, dass derzeit die Dimensionsmessung in einem unzureichenden Umfang durchgeführt wird. Deshalb ist es notwendig, ausgewählte Methoden zur Geometrievermessung im Detail zu beschreiben. Dazu zählen grundlegende Begriffe der Messtechnik, sowie verschiedene taktile und optische Verfahren. Anhand der Ergebnisse aus der Prozessanalyse und der Beschreibung der Messmethoden werden drei Konzepte erstellt, die passende Lösungen für den Wareneingangsprozess sein können – zusätzlich wird ein Testaufbau erstellt, um erste Ergebnisse aus der Praxis zu sammeln. Nach genauerer Betrachtung der Konzepte kann ein halb-automatisierter Prozess mit einem Lichtschnittverfahren als optimale Lösung definiert werden. Mit dieser Lösung kann die AVL die Kundenanforderungen in puncto Qualität, Sicherheit und Zeit erfüllen. Zudem ist dieser Messaufbau auch für andere Anwendungen einsetzbar.

Der Trend der Zeit zeigt eine stetige Weiterentwicklung in der Legehennenhaltung. Diese ist mit Herausforderungen verbunden, die der Landwirt zu bewältigen hat, um den wirtschaftlichen Erfolg seines Betriebes nachhaltig zu sichern. Hierzu zählt einerseits die Effizienzsteigerung des Betriebes durch die Überwachung der Legeleistung, sowie den Schutz der Legehennen vor Raubtieren. Diese wissenschaftliche Arbeit befasst sich mit der Evaluierung verschiedener Konzepte für eine automatisierte Erfassung der Legeleistung und Zutrittsüberwachung bei geschlossener Auslauföffnung, um das Huhn vor Raubtieren zu schützen. Zunächst werden Methoden zur Identifikation von Legehennen erläutert und auf deren Eignung geprüft. Diese basieren auf zwei grundlegenden Technologien. Mit Hilfe der RFID (Radio Frequency Identification) Technologie, als auch mittels Bildverarbeitung werden die Legehennen identifiziert. Daraus folgend werden Konzepte zur Realisierung erarbeitet und bewertet. Nach Auswahl geeigneter Konzepte werden diese in einem Versuchsaufbau getestet. Bei der Umsetzung mittels RFID wird ein System im Frequenzbereich von 125 kHz gewählt. Im Bereich der Bildverarbeitung wird die Umsetzung mit der Entwicklungsumgebung HDevelop von HALCON realisiert. Das Ergebnis der Versuchsaufbauten zeigen mögliche Lösungswege auf und machen die Schwierigkeiten und Herausforderungen der Technologien sichtbar.

Künstliche Intelligenz (KI) und Cloud-Computing sind treibende Kräfte der digitalen Transformation und Erfolgsfaktoren für eine nachhaltige Wettbewerbsfähigkeit. Insbesondere der Bereich der KI-basierten Audiosignalverarbeitung weist ein hohes Potential zur Fehlererkennung von Maschinen und Anlagen auf. Jedoch scheitert die Umsetzung von KI-Projekten oftmals bereits vor Projektstart aufgrund fehlender Fachkenntnisse der Unternehmen. Das Ziel dieser Masterarbeit ist zu zeigen, wie KI-basierte Audioklassifizierungssysteme unter Verwendung von Cloud-Services implementiert werden können. Zu diesem Zweck werden die einzelnen Phasen eines KI-Projektes, von der Datenanalyse bis hin zur Bereitstellung eines fertig trainierten Modells in der Cloud-Umgebung, betrachtet. Frühere Arbeiten haben gezeigt, dass State-of-the-Art-Audioklassifizierungs-systeme auf Konzepten wie der Fourier-Analyse, Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN) basieren. Anhand dieser Methoden wurden insgesamt 33 Klassifizierungsmodelle mittels Python, PyTorch und der cloudbasierten Plattform Google Vertex AI implementiert, trainiert und verglichen. Aufgrund der dynamischen Charakteristik der Audiodateien, wurde dazu ein komplexer Datensatz der Plattform Kaggle als Entwicklungsgrundlage verwendet (BirdCLEF2022). Das ausgewählte Modell wurde hinsichtlich der Vorhersagegenauigkeit optimiert und auf Vertex AI zur Beantwortung von Vorhersageanfragen veröffentlicht. Dabei konnte ein auf der CNN-Architektur basierendes Klassifizierungsmodell entwickelt werden, das neun unterschiedliche Klassen mit einer Vorhersagegenauigkeit von 80,4 % klassifiziert. Weitere Ideen zur Verbesserung des Ergebnisses konnten vorgestellt werden, wodurch bewiesen wird, dass schwierige Daten mit einer Vorhersagegenauigkeit von über 90 % klassifiziert werden können. Diese Masterarbeit zeigt, wie ein KI-basiertes Audioklassifizierungssystem unter Verwendung verschiedener Cloud-Dienste und State-of-the-Art-Deep-Learning-Methoden, entwickelt werden kann.