Vorarlberg University of Applied Sciences
Online Publication Server University of Applied Science VorarlbergNot a member yet
2106 research outputs found
Sort by
Digitale Unterstützung für pflegende Angehörige von Menschen mit Demenz: das TeleCareHub-Projekt
No full textDesigning innovation ecosystems for startup success in non-urban areas
Get PDFThis master’s thesis examines how innovation ecosystems in non-urban regions can be designed to foster startup development. Using Vorarlberg as a case study, a qualitative approach analyzes structural, financial, cultural, and infrastructural factors shaping the regional ecosystem. Based on expert interviews, an analytical framework was developed that systematically maps key levers. Findings reveal that beyond financial and structural gaps, coordination deficits, cultural barriers, and limited visibility are major challenges. At the same time, digital resources offer new opportunities to mitigate traditional locational disadvantages. The study provides practice-oriented recommendations for ecosystem development and contributes to the theoretical advancement of innovation ecosystems in peripheral regions
Happy Writing Birthday!
Get PDFDas Schreibzentrum der Fachhochschule Vorarlberg (FHV – Vorarlberg University of Applied Sciences) in Dornbirn, Vorarlberg, wurde im Jahr 2014 gegründet. Warum wurde es ins Leben gerufen und was ist seine Mission? Die drei Verantwortlichen geben Einblicke von den Anfängen bis zu zukünftigen Entwicklungen
Krisenresilienz im Net Working Capital Management durch Künstliche Intelligenz
Get PDFDiese Masterarbeit untersucht, wie Künstliche Intelligenz (KI) in den Finanzabteilungen von Automobilzulieferern effizient implementiert und genutzt werden kann, um das Net Working Capital (NWC) zu optimieren - insbesondere vor dem Hintergrund von Krisenresilienz, Digitalisierung und der Transformation zur E-Mobilität. Im Zentrum steht eine qualitative empirische Untersuchung, die auf ExpertInneninterviews mit Fachpersonen aus der Automotive Branche, dem Beraterwesen und der KI basiert. Die Analyse zeigt, dass KI insbesondere in datenintensiven Bereichen wie der Liquiditätsplanung, dem Forderungsmanagement und der Lagerbestandsoptimierung konkrete Potenziale bietet. Gleichzeitig identifiziert die Arbeit zentrale Herausforderungen wie mangelnde Datenqualität, abteilungsübergreifende Koordinationsprobleme und kulturelle Widerstände gegenüber technologischen Veränderungen. Die Ergebnisse zeigen, dass erfolgreiche KI-Implementierungen mehr erfordern als technologische Investitionen. Entscheidend sind eine klare strategische Einbettung, ein iterativer Implementierungsansatz, bereichsübergreifende Zusammenarbeit sowie ein aktives Change-Management. Aufbauend auf den empirischen Erkenntnissen werden praxisnahe, umsetzbare Handlungsempfehlungen abgeleitet, die speziell auf die Rahmenbedingungen und Anforderungen von Automobilzulieferern zugeschnitten sind. Die Arbeit leistet damit einen Beitrag zur wissenschaftlichen Diskussion über den Einsatz von KI im Finanzbereich und zeigt konkrete Wege auf, wie Unternehmen ihre finanzielle Stabilität und Investitionsfähigkeit durch intelligente Technologien stärken können.This master’s thesis explores how artificial intelligence (AI) can be efficiently implemented and utilized in the finance departments of automotive suppliers to optimize net working capital (NWC), with a particular focus on crisis resilience, digital transformation, and the shift toward e-mobility. At the core of this study is a qualitative empirical analysis based on expert interviews with professionals from the automotive sector, consulting and AI. The findings reveal that AI offers concrete potential in data-intensive areas such as liquidity planning, receivables management, and inventory optimization. At the same time, the study identifies key challenges including poor data quality, cross-departmental coordination issues, and cultural resistance to technological change. The results emphasize that successful AI implementation requires more than technological investment. Strategic alignment, iterative implementation, interdisciplinary collaboration, and proactive change management are critical success factors. Based on empirical insights, this thesis provides practical and actionable recommendations specifically tailored to the context and needs of automotive suppliers. This research contributes to the academic discourse on the role of AI in financial management and highlights concrete pathways for companies to strengthen financial stability and investment capacity through intelligent technologies
Triplane diffusion for unconditional irregular 3D shape generation
Get PDFLatent triplane diffusion models have shown promising results in terms of computation efficiency whilst still producing high quality 3D shapes in unconditional generation. However, a yet unexplored use case leveraging this architecture lies in learning diverse, complex, irregularly structured shapes. As the semantic meaning of such shapes is difficult to capture when encoded into triplanes, a latent diffusion model may struggle in creating diverse, high quality samples for this use case. Thus, this work aims to fill this gap in research by learning a triplane latent diffusion model in a computing-constrained environment on a self-created dataset of voxel grids containing complex, irregularly structured cave systems. As a result, the findings of this research show that it is possible to leverage this architecture to create novel samples. Furthermore, by training only on 200 samples and applying a set of countermeasures to prevent overfitting, improved sampling quality was achievable while the generated samples still remained diverse.Latent Triplane-Diffusion Modelle haben hinsichtlich Recheneffizienz in der Erzeugung von hochqualitiativen 3D Formen in unkonditionierten Generierung vielversprechende Ergebnisse erzielt. Jedoch ist bisher unklar, ob irregulär strukturierte 3D-Formen hoher Komplexität ebenfalls mit dieser recheneffizienten Architektur generiert werden können. Grund dafür ist, dass die Struktur einer komplizierten, irregulären Form nur schwer aus der Triplane-Darstellung gelesen werden kann. Dieses Werk befasst sich mit der Erforschung dieser Lücke, indem ein Latent Triplane-Diffusion Modell auf einem selbst erstellten Datensatz — der komplexe, irregulär strukturierte Höhlensysteme in Voxel-Rastern beinhaltet — trainiert wurde. Die Ergebnisse zeigen, dass es möglich ist, diese Architektur zur Generierung von neuen, komplizierten, irregulären Höhlensystemen zu verwenden.
Weiterführend wurde festgestellt, dass durch Maßnahmen gegen Overfitting und einem Training auf nur 200 verschiedenen Formen qualitativ hochwertige sowie weiterhin diverse Höhlensysteme generiert werden
Entwicklung einer Methode zur Netzimpedanzmessung für NB-PLC
Get PDFMit dem zunehmenden Einsatz von Power Line Communication (PLC) in intelligenten Stromnetzen (Smart Grids) steigt das Interesse an der Charakterisierung der Netzimpedanz im Frequenzbereich von 10 kHz bis 500 kHz. Die präzise Kenntnis der Netzimpedanz ist dabei entscheidend für die Auslegung und Zuverlässigkeit von PLC-Kommunikationssystemen. Ausgangspunkt dieser Arbeit war eine konkrete Anfrage eines regionalen Netzbetreibers, der beim Rollout von Smartmetern in bestimmten Netzabschnitten eine unzuverlässige PLC-Kommunikation beobachtete. Ziel der Arbeit war daher die Entwicklung einer Messmethode, die Messungen im gesamten Verteilnetz ermöglicht und gleichzeitig die vorgegebenen Randbedingungen des Netzbetreibers berücksichtigt. Hierfür wurde ein Impedanzmessverfahren entwickelt, das eine Halbbrückenschaltung sowie einen speziell entworfenen Einkoppelfilter zur Signaleinspeisung nutzt. Zur Spannungs- und Strommessung kamen eine spezielle Spannungsmessschaltung und eine Rogowskispule zum Einsatz. Die automatisierte Durchführung der Messung und Signalverarbeitung erfolgt über eine digitale Auswertungseinheit. Sowohl Labormessungen als auch Feldmessungen unter realen Bedingungen bestätigten die prinzipielle Funktionsfähigkeit des Systems. Die Messergebnisse zeigten eine gute Übereinstimmung mit Referenzmessungen und Simulationsdaten. Die Messungen ließen sich reproduzierbar und mit akzeptabler Genauigkeit durchführen. Die entwickelte Lösung erfüllt die definierten technischen und betrieblichen Anforderungen und ist für den Einsatz im gesamten Niederspannungsverteilnetz geeignet. Abschließend wurden Potenziale zur Verbesserung identifiziert, unter anderem durch die Optimierung des Einkoppelfilters, die dynamische Anpassung der Messparameter sowie eine Kalibrierung der Signalpfade zur Reduktion systematischer Fehler. Insgesamt legt die Arbeit die Grundlage für ein kompaktes, mobiles Messsystem zur Netzimpedanzmessung im Frequenzbereich von 10 kHz bis 500 kHz.With the increasing use of Power Line Communication (PLC) in smart grids, there is growing interest in characterizing the grid impedance in the frequency range from 10 kHz to 500 kHz. Accurate knowledge of the grid impedance is crucial for the design and reliability of PLC communication systems. This work was initiated in response to a specific request from a regional grid operator who had observed unreliable PLC communication during the rollout of smart meters in certain network segments. The objective, therefore, was to develop a measurement method that enables impedance measurements throughout the distribution grid while complying with the operator’s constraints. As a result, an impedance measurement method was developed, employing a half-bridge circuit and a specially designed coupling filter for signal injection. Voltage and current are measured using a dedicated voltage sensing circuit and a Rogowski coil. The measurement process and signal processing are fully automated via a digital evaluation unit. Both laboratory and field measurements under real-world conditions confirmed the basic functionality of the system. The results showed a strong correlation with both reference measurements and simulation data. Measurements were reproducible and achieved acceptable accuracy. The developed solution meets the defined technical and operational requirements and is suitable for deployment across the entire low-voltage distribution grid. Finally, potential improvements were identified, including the optimization of the coupling filter, dynamic adjustment of measurement parameters, and calibration of the signal paths to reduce systematic errors. Overall, this work lays the foundation for a compact, mobile system for grid impedance measurement in the 10 kHz to 500 kHz range
Deep reinforcement learning approaches the MILP optimum of a multi-energy optimization in energy communities
Get PDFAs energy systems transition toward high shares of variable renewable generation, local energy communities (ECs) are increasingly relevant for enabling demand-side flexibility and self-sufficiency. This shift is particularly evident in the residential sector, where the deployment of photovoltaic (PV) systems is rapidly growing. While mixed-integer linear programming (MILP) remains the standard for operational optimization and demand response in such systems, its computational burden limits scalability and responsiveness under real-time or uncertain conditions. Reinforcement learning (RL), by contrast, offers a model-free, adaptive alternative. However, its application to real-world energy system operation remains limited. This study explores the application of a Deep Q-Network (DQN) to a real residential EC, which has received limited attention in prior work. The system comprises three single-family homes sharing a centralized heating system with a thermal energy storage (TES), a PV installation, and a grid connection. We compare the performance of MILP and RL controllers across economic and environmental metrics. Relative to a reference scenario without TES, MILP and RL reduce energy costs by 10.06% and 8.78%, respectively, and both approaches yield lower total energy consumption and CO2-equivalent emissions. Notably, the trained RL agent achieves a near-optimal outcome while requiring only 22% of the MILP’s computation time. These results demonstrate that DQNs can offer a computationally efficient and practically viable alternative to MILP for real-time control in residential energy systems
Commitment to Change durch Prozessqualität
Get PDFIn handwerklich geprägten KMUs hängt der Erfolg organisationaler Veränderungen wesentlich von der inneren Zustimmung der Mitarbeitenden ab. Diese Masterarbeit untersucht, wie die wahrgenommene Prozessqualität der Veränderungsgestaltung die affektive Veränderungsbindung beeinflusst. Theoretisch basiert die Arbeit auf dem Drei-Komponenten-Modell von Herscovitch und Meyer (Herscovitch; Meyer 2002) sowie dem IMOC-Modell von Kamarova et al. (Kamarova u.a. 2024), das Veränderungspraktiken fünf idealtypischen Phasen zuordnet und deren psychologische Wirkung analysiert. In einer quantitativen Befragung wurden Produktionsmitarbeitende aus KMUs der deutschsprachigen Schweiz untersucht. Die Ergebnisse zeigen, dass vor allem die Frühphase der Vorbereitung, geprägt durch Einbindung und glaubwürdige Kommunikation, einen signifikanten Einfluss auf die Veränderungsbindung hat. Die moderierende Rolle der Organisationsbindung konnte nicht bestätigt werden. Die wichtigste Bedeutung kommt der psychologischen Anschlussfähigkeit der Wandelgestaltung zu
Optimierung von Empfehlungen in einem Produktkonfigurator
Get PDFDiese Masterarbeit befasst sich mit der Entwicklung und Evaluation eines datengetriebenen Empfehlungssystems zur Optimierung des Produktkonfigurators der Julius Blum GmbH. Ausgangspunkt ist das aktuell eingesetzte, auf statischen Regeln basierende System, dessen Vorschläge von einem Großteil der Nutzenden (78,8 %) aktiv geändert werden, was auf unzureichend personalisierte Empfehlungen hindeutet. Ziel der Arbeit war es zu untersuchen, ob die vorhandenen Konfigurationsdaten geeignet sind, um mithilfe von datengetriebenen Methoden qualitativ hochwertigere und dynamische Empfehlungen für den jeweils nächsten Konfigurationsschritt zu generieren. Für die Analyse wurde ein Datensatz von Boxsystem-Konfigurationen mit 65.535 Interaktionen ausgewertet. Auf Basis einer explorativen Datenanalyse, die dominante Konfigurationspfade und länderspezifische Muster aufdeckte, wurden drei Modelle implementiert und verglichen: ein Random Forest (RF), ein Long Short-Term Memory (LSTM) Netzwerk und ein Transformer-Modell. Die Evaluation erfolgte offline mittels der Top1- und Top3-Trefferquote. Die Ergebnisse zeigen, dass alle drei Modelle verlässliche Vorhersagen treffen können. Das LSTM-Modell erzielte dabei die höchste Trefferquote, dicht gefolgt vom Transformer- und RF-Modell. Insbesondere die hohe Top3-Trefferquote aller Modelle unterstreicht das Potenzial, die Nutzererfahrung durch den Vorschlag mehrerer plausibler Optionen signifikant zu verbessern. Die Untersuchung bestätigt, dass die vorhandenen Daten eine geeignete Grundlage für ein dynamisches Empfehlungssystem bilden und ein datengetriebener Ansatz einem statischen Regelsystem qualitativ überlegen ist.This master's thesis addresses the development and evaluation of a data-driven recommender system to optimize the product configurator of Julius Blum GmbH. The starting point is the currently used system, which is based on static rules. Its suggestions are actively changed by a majority of users (78.8%), indicating insufficiently personalized recommendations. The objective of this thesis was to investigate whether the existing configuration data is suitable for generating higher-quality, dynamic recommendations for the next configuration step using machine learning models. For the analysis, a dataset of box system configurations with 65,535 interactions was evaluated. Based on an exploratory data analysis that revealed dominant configuration paths and country-specific patterns, three models were implemented and compared: a Random Forest (RF), a Long Short-Term Memory (LSTM) network, and a Transformer model. The evaluation was conducted offline using Top1- and Top3-HitRate. The results demonstrate that all three models can generate reliable predictions. The LSTM model achieved the highest HitRate, closely followed by the Transformer and RF models. In particular, the high Top3-Recall of all models (over 90%) highlights the potential to significantly enhance the user experience by presenting multiple plausible options. The study confirms that the existing data provide a suitable foundation for a dynamic recommender system and that a data-driven approach is qualitatively superior to a static, rule-based system
