Eine zuverlässige Zustandsüberwachung ist eine wichtige Voraussetzung für die vorausschauende Instandhaltung in industriellen Fertigungsumgebungen, doch viele Maschinenkomponenten werden nach wie vor ohne kontinuierliche Überwachung betrieben. Diese Lücke ist besonders relevant für Komponenten von Schaumdosieraggregaten, bei denen unerwartete Ausfälle die Produktion stören und eine systematische Wartungsplanung behindern können. Diese Arbeit befasst sich mit diesen Mängeln, indem sie eine durchgängige Zustandsüberwachungskette entwickelt und validiert, die Vibrationssignale zusammen mit Prozessdaten wie Druck und Temperatur erfasst, diese auf einem Edge-Gerät vorverarbeitet und für eine skalierbare cloudbasierte Analyse vorbereitet. Die Architektur integriert IEPE-Vibrationssensoren mit der strukturierten Erfassung digitaler und analoger Maschinendaten. Alle Signale werden über ein spezielles SPS-Modul zur Zustandsüberwachung erfasst, wodurch eine deterministische Vorverarbeitung, einheitliche Zeitstempel und synchronisierte Datenflüsse gewährleistet sind. Ein zentraler Beitrag ist ein modularer, einsatzunabhängiger Daten Konnektor, der REST- und MQTT-Kommunikation unterstützt und automatisch Asset- und Mapping-Identifikatoren verwaltet, wodurch eine flexible Integration in heterogene industrielle Umgebungen ermöglicht wird. Um eine systematische Bewertung unabhängig von Produktionsbeschränkungen zu ermöglichen, werden synthetische Datensätze generiert, die realistisches Betriebsverhalten, allmähliche Verschlechterungsverläufe und definierte Ausfallmerkmale nachbilden. Ein interaktives Dashboard unterstützt die Zeitreihenprüfung, die Schwellenwertkonfiguration und die automatisierte Ereigniserkennung vor Ort, während die IoT-Cloud-Plattform Senseye eine skalierbare Zeitreihenaufnahme, ein strukturiertes Anlagenmanagement und eine zentralisierte Bewertung von Zustandsentwicklungen ermöglicht. Die Ergebnisse zeigen, dass der Prototyp heterogene Zustandsüberwachungsdaten zuverlässig erfasst, synchronisiert und überträgt und so eine kohärente Informationsebene schafft, die für diagnostische Bewertungen und zukünftige Vorhersagemodelle geeignet ist. Die Architektur bildet eine technische Grundlage für die Implementierung von Zustandsbewertungen auf Komponentenebene und für die Bewertung der Kompromisse zwischen Edge- und Cloud-Computing. Insgesamt liefert die Arbeit einen übertragbaren und skalierbaren Entwurf für Unternehmen, die den Übergang von reaktiver Wartung zu datengestütztem Reliability Engineering anstreben.

Die Transformation des Energiesektors ist essenziell für Österreichs Ziel, bis zum Jahr 2040 Klimaneutralität zu erreichen. Der beschleunigte Ausbau erneuerbarer Energien erfordert einen zusätzlichen Lastenausgleich zwischen Stromverbrauch und -erzeugung, wobei Energiespeicherung, insbesondere thermische Speicherung, ein zentrales Element darstellt. Der Aquifer Thermal Energy Storage (ATES) gewinnt als Technologie zur saisonalen Speicherung großer Wärmemengen zunehmend an Bedeutung, ist jedoch in Österreich noch nicht technologisch oder markttechnisch etabliert. Diese Arbeit untersucht die Grundlagen der thermischen Energiespeicherung und der ATES-Technologie mit Schwerpunkt auf ihrer Integration in Fernwärmenetze. Sie bewertet das Potenzial von ATES in einem konkreten Anwendungsfall, anhand des Projektes ATESREF, welches die Implementierung einer solchen Speicherlösung im Raum Fürstenfeld untersucht, unter Verwendung der Modellierungssprache Modelica und der Simulationsumgebung Dymola. Die Arbeit umfasst die Erstellung eines Basismodells des Fernwärmenetzes mit integriertem ATES. Die übergeordneten Ziele des Projektes sind die Bewertung der Machbarkeit der ATES‑Integration, die Ermittlung optimaler Betriebsstrategien sowie die Bewertung der Auswirkungen auf die Effizienz und Nachhaltigkeit des Netzes. Die Ergebnisse der Simulation liefern Erkenntnisse über das thermische Verhalten des ATES-Systems und tragen zur Wissensbasis für den Einsatz von ATES bei, während sie gleichzeitig entscheidende Informationen für Entscheidungen über dessen Rolle in nachhaltigen Energiesystemen liefern und damit die Grundlage für die Erreichung der Ziele des Projektes darstellen.

Die autonome Robotik in der Forsttechnik stellt aufgrund des unwegsamen Terrains und der dynamischen Umweltbedingungen hohe Anforderungen an die eingesetzten Sensoren. Standardmethoden wie Light Detection and Ranging (LiDAR), Kameras oder Ultraschallsensoren stoßen insbesondere bei dichtem Unterbewuchs an ihre Grenzen, da diese Hindernisse oft schwer zu detektieren sind. Eine zuverlässige Navigation unter diesen Bedingungen erfordert daher alternative Sensoransätze, die robust und kosteneffizient sind. In dieser Arbeit soll ein kraftsensitives Stoßstangensystem für den mobilen Roboter AgileX Scout entwickelt und getestet werden. Dieses Stoßstangensystem dient als taktiler Sensor, der durch Widerstandsmessung erkennt, ob der Roboter sicher weiterfahren kann oder seine Route anpassen muss. Das entwickelte System soll langfristig ein Bestandteil einer umfassenden autonomen Lösung für die Forstinventur sein. Ein zentrales Ziel ist es, mit dem entwickelten System ein Teilgebiet des Lehrforsts der BOKU autonom zu scannen und daraus einen digitalen Zwilling des Waldstücks zu erstellen. Dabei soll untersucht werden, wie effektiv die kraftsensorbasierte Navigation zur Erfassung forstlicher Bestandsdaten eingesetzt werden kann. Diese Masterarbeit liefert ein funktionsfähiges Konzept für ein kraftsensitives Stoßstangensystem, das eine robuste Navigation autonomer Forstroboter in schwierigem Gelände ermöglicht. Durch die Umsetzung im Lehrforst der BOKU soll gezeigt werden, dass sich die entwickelte Technologie zur autonomen Erfassung von Forststrukturen eignet. Die Forschungsergebnisse sollen die Grundlage für weiterführende Studien zur taktilen Wahrnehmung in der Forstrobotik schaffen und neue Ansätze für kosteneffiziente Sensorik in unstrukturierten Umgebungen liefern.

Diese Masterarbeit behandelt die Modernisierung bestehender Plasmabrennschneidanlagen durch die Entwicklung eines leichteren Portalrahmens zur Steigerung der Leistungsfähigkeit. Viele dieser Anlagen sind seit Jahren im Einsatz und aufgrund ihrer hohen Eigenmasse in Beschleunigung und Schneidgeschwindigkeit begrenzt, was zu erhöhten Prozesszeiten und Betriebskosten führt. Ziel ist es, die Effizienz der Anlage durch eine Reduktion der bewegten Masse und damit eine höhere Beschleunigungsfähigkeit zu erreichen. Dazu werden verschiedene Materialvarianten – Stahl, Aluminium und kohlenstofffaserverstärkter Kunststoff – hinsichtlich Steifigkeit, Gewicht, Herstellkosten und Umsetzbarkeit verglichen. Auf Basis dieser Bewertung wurde ein Prototyp aus Stahl gefertigt und experimentell untersucht. Die Ergebnisse zeigen, dass eine Erhöhung der Beschleunigung von 4,9 m/s2 (0,5 G) auf 29,43 m/s2 (3 G) die Prozesszeiten deutlich reduziert. Der wirtschaftliche Nutzen hängt jedoch stark vom Schneidverfahren und der Anlagenauslastung ab. Während beim Plasmaschneiden nur geringe Einsparungen erzielt werden, zeigen Laserschneidanlagen ein höheres Potenzial, Grund dafür sind die deutlich höheren Schnittgeschwindigkeiten bei geringen Blechstärken. Insgesamt bestätigt die Arbeit, dass eine gezielte Gewichtsreduktion die Dynamik und Effizienz bestehender Systeme signifikant verbessert und eine Grundlage für die Weiterentwicklung moderner Portalstrukturen bildet.

Insbesondere vor dem Hintergrund der zunehmenden Ausrichtung moderner Produktionsumgebungen auf Industrie 4.0, intelligente Systemintegration und durchgängige Vernetzung erfordern industrielle Kammeröfen hochzuverlässige und sichere Automatisierungslösungen. Viele bestehende Anlagenverfügen jedoch nicht über skalierbare Steuerungskonzepte, die eine fortschrittliche Brennersteuerung, dezentrale Kommunikation sowie validierte funktionale Sicherheit unterstützen. Diese Arbeit adressiert diese Lücke durch die Entwicklung einer umfassenden Steuerungs- und Sicherheitsarchitektur für ein industrielles Kammerofensystem auf Basis der Siemens SIMATIC SPS-Technologie.Im Rahmen dieser Arbeit wurde ein bestehendes Kammerofen-Automatisierungssystem, das seit 2018zuverlässig betrieben wird, detailliert analysiert. Die dabei gewonnenen Betriebserfahrungen bilden die Grundlage für die Konzeption und Implementierung eines erweiterten, SPS-basierten Automatisierungskonzepts für einen zweiten Kammerofen. Dessen Inbetriebnahme ist für Anfang desnächsten Jahres vorgesehen. Die Systemarchitektur beider Öfen umfasst SPS-CPUs, dezentrale Peripheriemodule und eine Brennersteuerungseinheit sowie weitere Komponenten. Diese sind über die industriellen Kommunikationsprotokolle PROFINET und PROFIBUS miteinander vernetzt. Das Automatisierungskonzept beinhaltet fortgeschrittene Regelungsstrategien, darunter Verbrennungsluftdruck Regelung, Rekuperatoren Regelung und Ofentemperatur Regelung für insgesamt 25 Brenner. Ein zentraler Schwerpunkt der Arbeit liegt auf der Entwicklung eines Sicherheitskonzepts für den Ofen. Dieses deckt kritische Betriebsphasen wie Vorspülung, Dichtheitsprüfung und Ofen-start gemäß EN 746-2ab. Die Sicherheitsfunktionen wurden unter Verwendung unternehmensinterner SIL-Berechnungen entworfen und validiert, die den relevanten Normen entsprechen Diese Berechnungen wurden abschließend vom TÜV sowie vom Auftraggeber formell freigegeben. Die Ergebnisse zeigen, dass das vorgeschlagene SPS-basierte Konzept die Betriebssicherheit, die Diagnostikfähigkeit sowie die Normenkonformität erheblich verbessert und eine robuste, zukunftsfähige und mit Industrie 4.0 kompatible Automatisierungslösung für moderne Kammerofensysteme bereitstellt.

Nach wie vor verzeichnet die E-Mobilität einen stark ansteigenden Marktanteil in Europa, sowie im Rest der Welt. Um einen sicheren Umgang mit dieser Technologie gewährleisten zu können, ist es notwendig sich mit sämtlichen Sicherheitsaspekten der E-Mobilität auseinander zu setzen. Wesentlich dabei ist jene Komponente, die den Energieinhalt für den Elektroantrieb und andere Verbraucher bereitstellt, nämlich die Hochvoltbatterie, welche auch als Traktionsbatterie bezeichnet wird. Gerade diese Komponente stellt aufgrund des hohen Energieinhalts eines der größten, wenn nicht das größte Gefahrenpotential der Elektromobilität dar. Um einen speziellen Fehlerfall, nämlich das Kurzschlussverhalten einer Hochvoltbatterie besser analysieren zu können und schon in der Entwicklungsphase sämtliche Sicherheitsmechanismen zu optimieren bzw. zu validieren, hat die hier vorliegende Masterarbeit die Zielsetzung, einen sich beim Unternehmen Green Testing Lab befindlichen Kurzschlussprüfstand technologisch zu optimieren, weiterzuentwickeln und diesen in einer Simulation abzubilden. Dieser Kurzschlussprüfstand dient dazu, um in einer für den Menschen sicheren Umgebung gezielt Kurzschlüsse an Hochvoltbatterien herbeizuführen und die Zuverlässigkeit von darin enthaltenen Sicherungselementen zu erproben. Dazu soll eine geeignete Möglichkeit gefunden werden, um Kurzschlussströme sicher schalten und mit hoher Abtastrate im MHz-Bereich sinnvoll und korrekt erfassen zu können. Ein weiteres wesentliches Ziel ist es, eine Simulation des gesamten Testaufbaus inklusive der zu prüfenden Batterie zu entwickeln, welche es ermöglichen soll bei zukünftigen Tests das Auslöseverhalten bereits im Vorhinein besser abschätzen und somit das Gesamtverhalten besser bewerten zu können. Die Ergebnisse dieser Arbeit sollen zu einer effizienteren Validierung von Batteriesystemen beitragen.

In produzierenden Unternehmen gehören Enterprise-Resource-Planning-Systeme (ERP-System) und Computer-Aided-Design-Systeme (CAD-Systeme) zu den unverzichtbaren Bestandteilen des digitalen Produktentstehungsprozesses. CAD-Systeme dienen zur Konstruktion und Entwicklung neuer Produkte, während ERP-Systeme das Management von Ressourcen, die für die Produktion dieses Produktes benötigt werden, übernehmen. Um ein Produkt fertigen zu können, wird es im CAD-System modelliert und anschließend im ERP-System als ERP-Artikel angelegt. Der ERP-Artikel enthält die zentralen Artikelstammdaten wie Abmessungen, Materialien und Fertigungslisten des Produktes. Gerade in vielen kleinen und mittelständischen Unternehmen (KMU) erfolgt die Übergabe der Artikelstammdaten zwischen CAD- und ERP-System immer noch manuell, was den Entwicklungsprozess verlangsamt und die Fehleranfälligkeit beim Erstellen eines ERP-Artikels erhöht. Ziel dieser Arbeit ist daher die Entwicklung einer Schnittstelle zwischen dem CAD-System Solid Edge und dem ERP-System Abas ERP, die als anwendungsspezifische Erweiterung (Add-in) direkt in Solid Edge integriert wird. Grundlage hierfür ist die Nutzung der Solid-Edge-Application-Programming-Interface (API), über die Modellinformationen automatisiert ausgelesen und für die Erstellung von ERP-Artikeln aufbereitet werden. Die Ergebnisse dieser Arbeit zeigen, dass eine automatisierte CAD/ERP-Integration die Produktentstehungsphase deutlich verkürzt und die Datenqualität verbessert. Außerdem zeigen die Ergebnisse, dass das CAD-System über die API flexibel und unternehmensspezifisch erweitert werden kann.

The growing adoption of photovoltaic (PV) systems and battery storage in residential areas presents new challenges in optimizing household energy management. Traditional systems often fail to efficiently coordinate energy flow among PV generation, battery storage, and consumption, especially under variable weather and fluctuating demand. This research aims to develop a simulation-based energy management system that maximizes self-consumption of renewable energy through intelligent control algorithms and smart scheduling. The project includes the creation of a configurable simulation framework to test various system parameters, device configurations, and weather conditions. Key objectives include optimizing energy distribution, scheduling high-power loads, and producing data-driven reports to evaluate system performance over defined timeframes. The theoretical framework explores energy modelling, weather impact, optimization strategies, and the role of model-based engineering. The practical component validates the system using real weather data, simulates household consumption patterns, and benchmarks algorithm performance. This work contributes to the advancement of smart energy systems by offering a scalable solution for increasing renewable energy self-consumption in private households.

Eine steigende Anzahl kleiner und mittlerer Unternehmen (KMUs)ist von Cyberangriffen bedroht. Die Erkennung solcher Angriffe im Netzwerkverkehr bleibt eine Herausforderung, insbesondere in Umgebungen mit begrenzten Ressourcen. In dieser Masterarbeit wird ein KI-basiertes System zur Erkennung von Cyberangriffen, insbesondere von DoS-Angriffen, vorgeschlagen. Dazu wird ein neuronales Netz mit Open-Source-Daten wie CICIDS2017 sowie selbst erzeugten Daten trainiert und angewendet, um Anomalien im Netzwerkverkehr zu identifizieren, die auf potenzielle Cyberangriffe hindeuten könnten. Das KI-Modell wird mittels der Reinforcement-Learning-Methode trainiert. Das experimentelle Design priorisiert die Umsetzbarkeit mit begrenzten technischen Ressourcen, sodass die Setups ohne industrielle Infrastruktur implementiert werden können. Es werden drei experimentelle Setups implementiert, um die Effektivität des KI-Modells zu testen. Das erste Experiment verwendet eine softwarebasierte Simulation, die synthetischen Netzwerkverkehr erzeugt. Ein proxybasiertes Setup erstellt einen virtuellen Server, Client, Analysator und Requester. Hieraus resultiert eine Simulationsumgebung, welche auf Standard-Consumer-Hardware replizierbar ist und sich zum Testen der Anomalie-Erkennungs-fähigkeiten des neuronalen Netzes eignet. Im zweiten Experiment wird ein hardwarebasierter Ansatz mit drei Laptops durchgeführt: Einer fungiert als Server, der ein herunterladbares PDF hostet, ein anderer simuliert Client-Verkehr einschließlich DoS-Verhalten durch Generierung hochfrequenter Anfragen und der dritte erfasst und analysiert den Verkehr mithilfe des KI-Modells.Im dritten Experiment wird dieses Setup durch Variation der angefragten Webseiten erweitert, wodurch vielfältigere Verkehrsmuster und komplexere Szenarien für das neuronale Netz entstehen. Die Ergebnisse zeigen, dass sich ein KI-gestütztes Anomalie-Erkennungssystem mit Standard-Consumer-Hardware entwickeln lässt. Die vorliegende Arbeit untersucht die Limitationen und das Potenzial dieser Methode und bietet KMUs, die die Implementierung unabhängiger, KI-gestützter Angriffserkennungssysteme anstreben, eine fundierte Grundlage.

Diese Masterarbeit untersucht die Optimierung interner Transportwege sowie die Verbesserung der Prozesstransparenz durch den Einsatz von Radio-Frequency-Identification-(RFID)-Technologie am Beispiel der Springer Maschinenfabrik GmbH. Das Projekt wurde durch die Einführung einer neuen Laserschneidanlage angestoßen, welche den Materialfluss des Unternehmens grundlegend veränderte und eine umfassende Neugestaltung der Lagerlogistik erforderte. Ziel dieser Arbeit ist es, bestehende Transportprozesse zu analysieren, Ineffizienzen zu identifizieren und praxisnahe Maßnahmen zur Steigerung der Gesamteffizienz zu entwickeln. Auf Basis detaillierter Datenerhebungen, Transportprotokolle und Prozessanalysen wurde ein neues Lagerlayout nach einem Vier-Zonen-Konzept entworfen. Diese Struktur ermöglicht eine klare Trennung zwischen Wareneingang, Lagerung, Kommissionierung und Bereitstellung, was zu kürzeren Transportwegen, reduzierten Suchzeiten und einer erhöhten Prozesssicherheit führt. Ein weiterer zentraler Bestandteil der Arbeit ist die konzeptionelle Entwicklung einer RFID-basierten Lösung für die automatisierte Erfassung und digitale Dokumentation von Materialbewegungen. Durch die Integration dieser Technologie entsteht durchgängige Transparenz, welche zukünftige Automatisierungsschritte und eine zuverlässige Bestandsführung ermöglicht. Die Ergebnisse zeigen, dass sich durch eine Kombination aus organisatorischen, strukturellen und technologischen Maßnahmen erhebliche Effizienzsteigerungen realisieren lassen – ohne zusätzlichen Personalbedarf. Die Arbeit schließt mit praxisorientierten Empfehlungen für die operative Umsetzung und schafft eine Grundlage für die schrittweise Digitalisierung der innerbetrieblichen Logistik hin zu einer vernetzten, datengetriebenen Produktionsumgebung.