Die NWK besteht seit 22 Jahren und findet jedes Jahr an wechselnden Standorten in Thüringen, Sachsen-Anhalt, Sachsen, Berlin und Brandenburg statt. An der Technischen Hochschule Brandenburg wurde sie schon einmal im Jahr 2013 veranstaltet. Im Rahmen der Konferenz erhalten junge Wissenschaftlerinnen und Wissenschaftler die Möglichkeit, ihre Forschungsergebnisse in Form von Vorträgen und Postern einem breiten Fachpublikum zu präsentieren. Die Teilnehmenden kommen überwiegend aus Ostdeutschland und viele von ihnen promovieren an Hochschulen für angewandte Wissenschaften, was nach wie vor eine Besonderheit darstellt. Ein besonderer Höhepunkt für alle Mitwirkenden ist der Konferenzband, der nach der Veranstaltung nach dem Prinzip „Open Access“ öffentlich und frei zugänglich im Internet bereitgestellt wird.
In diesem Jahr feiert die Technische Hochschule Brandenburg (THB) ihr 30-jähriges Jubiläum. Im Rahmen der Feierlichkeiten lud die Hochschule vom 11.-13.5.2022 zur 22. Nachwuchswissenschaftler:innenkonferenz (NWK) unter der Schirmherrschaft von Dr. Manja Schüle, Ministerin für Wissenschaft, Forschung und Kultur des Landes Brandenburg ein.
Unter dem Motto "Forschen – Vernetzen – Gestalten" bot die NWK Masterstudierenden, Promovierenden, sowie wissenschaftlichen Mitarbeiterinnen und Mitarbeitern eine Plattform, ihre Projekte der angewandten Forschung und Entwicklung einem interessierten Fachpublikum zu präsentieren und in die Diskussion zu treten.
Die Hochschule Schmalkalden wurde durch die folgenden Beiträge vertreten:
Bedarfsgerechte Serviceplanung durch Einsatz von Künstlicher Intelligenz
Tobias Häuser 1; Nick Gemeinhardt 1; Constantin Pohl 1; Michael Cebulla 2; Thomas Heimrich 1 Organisation: 1 Hochschule Schmalkalden, 2 Hochschule Anhalt
Zustände von Anlagen können mittels Sensorik automatisiert erfasst und ausgewertet werden. Dies erlaubt eine vorausschauende Wartung (Predictive Maintenance). In unserem Praxisprojekt wurde eine Plattform mit Apache Spark aufgebaut, welche in Echtzeit Sensordaten von Anlagen erfasst, speichert, weiterverarbeitet und darstellt. Mit Modellen des maschinellen Lernens werden aus abgeleiteten Features Vorhersagen und Klassifikationen vorgenommen, mit denen z.B. der ideale Zeitpunkt für einen Ölwechsel stimmt wird. Training und Einsatz der Modelle im kontinuierlichen Betrieb sowie das Forecasting sind in die Plattform integriert, ein Dashboard zeigt die Auswertungen an. Insbesondere KMUs können über die Plattform KI-basierte Dienste nutzen, ohne eine eigene IT-Infrastruktur aufbauen zu müssen.
EEG- und Video-basierte Mikroschlaf-Erkennung
Lucas Weiland, Martin Pauli, Martin Golz Organisation: Hochschule Schmalkalden
Die akkurate und konfidente Detektion von Mikroschlafereignissen (MSE) im Elektroenzephalogramm (EEG) von Autofahrer:innen stellt eine Herausforderung dar, unter anderem weil bislang keine einfachen, charakteristischen EEG-Muster gefunden werden konnten und weil das EEG eine hohe intra- und interindividuelle Variabilität aufweist. Mit Methoden der computerbasierten Intelligenz konnte diesen Herausforderungen erfolgreich begegnet werden. Hierfür sind jedoch große Datenumfänge erforderlich. Dem entgegen steht die relativ zeitaufwendige visuelle Beurteilung des Fahrer:innen-Verhaltens auf Basis von Videoaufzeichnungen. In diesem Beitrag soll der Frage nachgegangen werden, ob eine automatische objektive Videoanalyse zur Bestimmung des MSE-Startzeitpunkts zu einer vergleichbaren Detektionsgüte führt wie die visuelle subjektive Videobeurteilung.