11 March, 2021
Johannes Maucher

AI & Data Science Projekte
Kick-Off Sommersemester 2021

Event Hero Image

Icons by Darius Dan CC BY 3.0

Liebe Studierende, auch dieses Semester bieten wir Ihnen wieder spannende Projekte im Bereich AI & Data Science an. Eigene Ideen sind selbstverständlich ebenfalls möglich und sehr willkommen.

Die Projektvorschläge richten sich in erster Linie an Studierende höherer Semester mit Vorerfahrung und bereits vorhandenen Kenntnissen in der KI. Themen können auch studiengangsübergreifend bearbeitet werden, sofern Sie die Voraussetzungen erfüllen und Ihre SPO einen fachfremden Import zulässt. Bitte informieren Sie sich hierzu bereits im Vorfeld bei den Ansprechpartnern Ihres Studiengangs (Studiendekan, Prüfungsverwaltung) sowie den Projektbetreuern.


Projektvorschläge Sommersemester 2021 - MI / MMB / CSM / MW

Kick-Off Termin: Fr. 19. März 2021 um 13:15 Uhr - Online.

Um den Konferenz-Link zu erhalten schreiben Sie eine kurze Email an: theodoridis@hdm-stuttgart.de


Automated AI

In diesem Projekt sollen die Möglichkeiten und Grenzen von Automated Artificial Intelligence (Auto AI) untersucht werden.

Konkret geht es um die Ermittlung von Anbietern, Einsatzbereichen, Potentiale und Limitierungen sowie einer Gegenüberstellung zu klassischen Vorgehensweisen am Beispiel des Rapid Prototyping. Abschließend sollen konkrete Anwendungsmöglichkeiten erarbeitet werden.

in Kooperation mit MHP a Porsche Company.

  • Voraussetzungen: Künstliche Intelligenz, Python
  • Betreuer: Enno Kätelhön (MHP), Markus Benedikt (MHP), Johannes Maucher (HdM)

LeoCAD Environment für Reinforcement Learning

In diesem Projekt soll eine Anbindung für das Open Source Programm LeoCAD zum Erstellen von LEGO Modellen entwickelt werden. Konkret soll dabei eine REST-basierten Kommunikations-schnittstelle zwischen RL-Agent und leoCAD erstellt werden (unterteilbar in verschiedene Teilaspekte) sowie eine prototypische Umsetzung eines RL-Agenten der unter Nutzung der Entwickelten Schnittstelle eine einfache Designaufgabe löst (proof of concept).

in Kooperation mit Fraunhofer IPA.

  • Voraussetzungen: Softwareentwicklung, Machine Learning, Reinforcement Learning
  • Betreuer: Marco Huber (Fraunhofer IPA, Uni Stuttgart), Johannes Maucher

Potentialanalyse zum Einsatz von Social Listening für Produktportfoliomanagement

In Kooperation mit STIHL sollen Erkenntnisse zu „persönlicher Schutzausrüstung“ (PSA) mit Hilfe von Web-Crawling Methoden gewonnen werden. Mit Natural Language Processing sollen zudem auch Wettbewerber sowie Kundenmeinungen und Produktbewertungen analysiert werden. Abschließend soll eine Empfehlung für Produktverbesserungen, potentielle Innovationen sowie eine Sortimentsstrategie erarbeitet werden. Die Visualisierung der Ergebnisse und entwickelten Metriken und Rankings soll über Power BI realisiert werden.

in Kooperation mit Andreas Stihl AG & Co. KG, Waiblingen.

  • Voraussetzungen: Python, Web-Crawling
  • Betreuer: Petra Strauß (STIHL), Jens Klöker (STIHL), Robert Böker (STIHL), Johannes Maucher (HdM)

What can AI do for me?

Die Identifikation von geeigneten KI-Lösungsanbietern stellt für viele Unternehmen eine große Herausforderung im Vorfeld von KI-Projekten dar. Im Rahmen des vom Wirtschaftsministerium Baden-Württemberg geförderten Projekts „What can AI do for me?“ wird daher ein Matching-Tool entwickelt, das Unternehmen und KI-Anbieter zusammenbringt. Für das Training des Matching-Tools möchten wir im Rahmen des studentischen Forschungsprojekts über zwei Semester hinweg KI-Anwendungsszenarien in Unternehmen ermitteln und für die Integration in das Matching-Tool aufbereiten.

in Kooperation mit thingsTHINKING GmbH und KENBUN IT AG

  • Voraussetzungen: Neugier auf KI-Anwendungsszenarien in der wirtschaftlichen Praxis und Interesse am wissenschaftlichen Arbeiten
  • Betreuer: Jürgen Seitz, Katharina Willbold

Visual Content Generation

(Weiter-)Entwickelt werden soll eine interaktive Anwendung von kreativen Algorithmen zur visuellen Content Generierung. Beispiele sind Video Style Transfer oder Zeichenanwendungen wie SketchRNN oder GauGAN. Die Zielplattform ist dabei der IAAI KI-Demonstrator, (Videowand ähnlich der Hall of Fame von Audiovisuelle Medien) wo das Projekt anschließend dauerhaft ausgestellt werden wird.

Natural Language Generation

In diesem Projekt sollen Verfahren zur automatischen Generierung von Sportberichten entwickelt werden. Ausgehend von Fakten wie z.B. Endergebnis, Torschützen, besondere Vorkommnisse (rote und gelbe Karten) usw. sollen natürlich-sprachliche Berichte erstellt werden, die syntaktisch und semantisch korrekt und vollständig sind. Das Verfahren ist in eine interaktive Anwendung einzubinden.

Duckie Town

Duckie Town ist eine Experimentierumgebung für Robotik und Autonomes Fahren. Aufbauend auf Projekten der letzten Semestern soll die autonome Steuerung des Fahrzeugs mit Objekterkennung und Reinforcement Learning erweitert und verbessert werden. Die offene Plattform bietet dabei viel Raum für Kreativität und eigene Ideen.

AWS Deep Racer

AWS Deep Racer ist eine Experimentierumgebung für Robotik und Autonomes Fahren. In einem initialen Projekt soll die autonome Steuerung des Deep Racers mit Objekterkennung und Reinforcement Learning entwickelt werden. Die Plattform bietet eine enge Integration zu Amazon AWS und eine eigene DeepRacer Liga.

MARCO Roboterschach

MARCO ist ein 3D-gedruckter Roboterarm mit einem Display, auf dem ein virtueller Agent erscheint, der gegen Menschen Schach spielt und das Spiel dabei kommentiert. MARCO auf Youtube. Ziel des Projektes ist es, dieses System in der HdM wieder zum Laufen zu bringen und anschließend zu verbessern.

Talking Head

Erschaffung eines interaktiven, virtuellen 3D Kopfes mit Unity oder Unreal. Die Studierenden konzipieren einen 3D-Kopf (Design), den sie in 3D modellieren und animieren. Ein Text-To-Speech-System (z.B. MaryTTS oder Mycroft) wird angebunden, um Sprachsynchrone Animationen zu realisieren. Eine Animation emotionaler Gesichtsausdrücke soll auch möglich sein. Eine Anbindung an der ROS-basierte System MARCO ist wünschenswert, aber optional.