Publikationsserver der HTWK Leipzig
Not a member yet
592 research outputs found
Sort by
KI-Textgeneratoren in der Wertschöpfungskette von Belletristikverlagen
No full textDie Bachelorarbeit untersucht die Rolle von KI-Textgeneratoren in Belletristikverlagen. Ziel ist es, ihre Funktionsweise zu erläutern und potenzielle Anwendungen in der Wertschöpfungskette zu identifizieren. Literaturquellen und Experteninterviews wurden genutzt. Der theoretische Teil umfasst eine Marktanalyse und Erläuterungen zu KI. Im empirischen Teil wurden Interviews mit Verlagsvertretern und Lesern durchgeführt, um verschiedene Perspektiven zu erfassen. Die Ergebnisse zeigen, dass der Einsatz von KI-Textgeneratoren in verschiedenen Stufen der Wertschöpfungskette möglich ist, jedoch Herausforderungen bestehen. Weitere Forschungen könnten sich auf die praktische Umsetzbarkeit konzentrieren.:Abbildungsverzeichnis
Abkürzungsverzeichnis
1 Einleitung
1.1 Aktualität des Themas
1.2 Zielsetzung und Fragestellung
1.3 Methodik und Aufbau
2 Belletristikverlage
2.1 Definition Belletristik und Marktabgrenzung
2.2 Marktanalyse
2.2.1 Allgemeine Marktcharakteristika
2.2.2 Wettbewerber innerhalb der Branche
2.2.3 Bedrohung durch Ersatzprodukte
2.2.4 Verhandlungsstärke der Lieferanten
2.2.5 Bedrohung durch neue Anbieter
2.2.6 Verhandlungsstärke der Abnehmer
2.3 Trends
2.4 Wertschöpfungskette innerhalb des Verlags
3 Künstliche Intelligenz
3.1 Künstliche Intelligenz im Allgemeinen
3.1.1 Definition und Funktionsweise
3.1.2 Machine Learning und Lernverfahren
3.1.3 Risiken
3.2 Anwendungsfelder
3.2.1 Medienbranche
3.2.2 Buchbranche
3.3 KI-Textgeneratoren am Beispiel von ChatGPT
3.3.1 ChatGPT
3.3.2 GPT-4
3.3.3 Beispiel generierter Geschichten mit ChatGPT
4 Anwendungsoptionen
4.1 Einsatz in der Beschaffung
4.2 Einsatz im Lektorat
4.3 Einsatz bei der lesenden Person
5 Empirische Untersuchungen zum Einsatz von KI-Systemen in Belletristikverlagen
5.1 Methode und Grundlagen
5.2 Erkenntnisziele und Interviewleitfäden
5.3 Kriteriengeleitete Auswertung der Experteninterviews
5.3.1 Dr. Niels Peter Thomas
5.3.2 Person aus der Unternehmensentwicklung eines Publikumsverlags
5.3.3 Tabea Grunert und Vanessa
5.4 Methodendiskussion
6 Auswertung
6.1 Bedarfsanalyse
6.2 Probleme
6.3 Analyse der Anwendungsmöglichkeiten
6.3.1 Einsatz in der Beschaffung von Inhalten
6.3.2 Einsatz im Lektorat
6.3.3 Einsatz bei der lesenden Person
7 Fazit
Quellenverzeichnis
Anhang A Beispiel einer generierten Geschichte mit ChatGPT
Anhang B Leitfäden Experteninterviews
Anhang B.1 Leitfaden Dr. Thomas
Anhang B.2 Leitfaden Person Unternehmensentwicklung Publikumsverlag
Anhang B.3 Leitfaden Tabea Grunert
Anhang B.4 Leitfaden Vanessa
Anhang C Interviewtranskripte
Anhang C.1 Interview mit Dr. Thomas
Anhang 3.2 Interview mit Person Unternehmensentwicklung Publikumsverlag
Anhang C.3 Interview mit Tabea Grunert
Anhang C.4 Interview mit VanessaThis bachelor's thesis examines the role of AI text generators in fiction publishing. The aim is to explain how they work and identify potential applications in the value chain. Literature sources and expert interviews were used. The theoretical part comprises a market analysis and explanations of AI. In the empirical part, interviews were conducted with publishing representatives and readers in order to capture different perspectives. The results show that the use of AI text generators is possible at various stages of the value chain, but that there are challenges. Further research could focus on practical feasibility.:Abbildungsverzeichnis
Abkürzungsverzeichnis
1 Einleitung
1.1 Aktualität des Themas
1.2 Zielsetzung und Fragestellung
1.3 Methodik und Aufbau
2 Belletristikverlage
2.1 Definition Belletristik und Marktabgrenzung
2.2 Marktanalyse
2.2.1 Allgemeine Marktcharakteristika
2.2.2 Wettbewerber innerhalb der Branche
2.2.3 Bedrohung durch Ersatzprodukte
2.2.4 Verhandlungsstärke der Lieferanten
2.2.5 Bedrohung durch neue Anbieter
2.2.6 Verhandlungsstärke der Abnehmer
2.3 Trends
2.4 Wertschöpfungskette innerhalb des Verlags
3 Künstliche Intelligenz
3.1 Künstliche Intelligenz im Allgemeinen
3.1.1 Definition und Funktionsweise
3.1.2 Machine Learning und Lernverfahren
3.1.3 Risiken
3.2 Anwendungsfelder
3.2.1 Medienbranche
3.2.2 Buchbranche
3.3 KI-Textgeneratoren am Beispiel von ChatGPT
3.3.1 ChatGPT
3.3.2 GPT-4
3.3.3 Beispiel generierter Geschichten mit ChatGPT
4 Anwendungsoptionen
4.1 Einsatz in der Beschaffung
4.2 Einsatz im Lektorat
4.3 Einsatz bei der lesenden Person
5 Empirische Untersuchungen zum Einsatz von KI-Systemen in Belletristikverlagen
5.1 Methode und Grundlagen
5.2 Erkenntnisziele und Interviewleitfäden
5.3 Kriteriengeleitete Auswertung der Experteninterviews
5.3.1 Dr. Niels Peter Thomas
5.3.2 Person aus der Unternehmensentwicklung eines Publikumsverlags
5.3.3 Tabea Grunert und Vanessa
5.4 Methodendiskussion
6 Auswertung
6.1 Bedarfsanalyse
6.2 Probleme
6.3 Analyse der Anwendungsmöglichkeiten
6.3.1 Einsatz in der Beschaffung von Inhalten
6.3.2 Einsatz im Lektorat
6.3.3 Einsatz bei der lesenden Person
7 Fazit
Quellenverzeichnis
Anhang A Beispiel einer generierten Geschichte mit ChatGPT
Anhang B Leitfäden Experteninterviews
Anhang B.1 Leitfaden Dr. Thomas
Anhang B.2 Leitfaden Person Unternehmensentwicklung Publikumsverlag
Anhang B.3 Leitfaden Tabea Grunert
Anhang B.4 Leitfaden Vanessa
Anhang C Interviewtranskripte
Anhang C.1 Interview mit Dr. Thomas
Anhang 3.2 Interview mit Person Unternehmensentwicklung Publikumsverlag
Anhang C.3 Interview mit Tabea Grunert
Anhang C.4 Interview mit Vaness
Unabhängige Abschiebungsbeobachtung der Kirchen am Flughafen: Handlungsmöglichkeiten und Aufgaben Sozialer Arbeit als Menschenrechtsprofession
No full textMit meiner Masterarbeit wollte ich nicht nur die Soziale Arbeit als Menschenrechtsprofession
mit der unabhängigen Abschiebungsbeobachtung der Kirchen an Flughäfen konzeptionell
verknüpfen, sondern auch einen Blick in die Zukunft der Abschiebungsbeobachtung werfen.
Meine Hauptforschungsfrage „Was könnten weitere Handlungsmöglichkeiten und Aufgaben
Sozialer Arbeit als Menschenrechtsprofession in der unabhängigen Abschiebungsbeobachtung
der Kirchen am Flughafen sein?“ habe ich im vorigen Kapitel beantwortet. Die Wünsche
und Bedarfe der Abschiebungsbeobachtung sind klar, die Umsetzung nicht.:1. Einleitung 4
2. Theoretischer Hintergrund 5
2.1 Forschungsstand 5
2.2 Soziale Arbeit als Menschenrechtsprofession 6
2.2.1 Tripelmandat 7
2.2.2 Mandat für strukturelle Veränderungen 9
2.2.3 Kritik 10
2.3 Dilemmata Sozialer Arbeit mit Geflüchteten 11
2.3.1 Beispiel: Ministerium droht Sozialer Arbeit mit Fördermittelentzug 16
2.4 Abschiebungen 17
2.4.1 Kritik 19
2.5 Abschiebungsbeobachtung 21
2.5.1 Begriff(e) 21
2.5.2 Rechtliche Grundlagen 21
2.5.3 Struktur 27
2.5.4 Ziele 29
2.5.5 Aufgaben 29
2.5.6 Qualifikationen der Abschiebungsbeobachter*innen 32
2.5.7 Beobachtete Menschenrechtsverletzungen bei der Abschiebung 33
2.5.8 Beobachtungen der NSzVvF 38
2.5.9 Weitere Handlungsmöglichkeiten und Aufgabenbereiche Sozialer Arbeit als
Menschenrechtsprofession 41
3. Methodisches Vorgehen 51
3.1 Forschungsethik 51
3.2 Teilnehmende Beobachtung 52
3.3 Expert*inneninterviews 54
3.4 Datenanalyse & Datenaufbereitung 58
3.5 Auswertung 58
3.5.1 Qualifikation der Abschiebungsbeobachter*innen 60
3.5.2 Art der Stelle 60
3.5.3 Eignung von Sozialarbeiter*innen 60
3.5.4 Grundlage der Arbeit 63
3.5.5 Umsetzung Screening-Verordnung 64
3.5.6 Unabhängigkeit 65
3.5.7 Transparenz durch den Bericht 66
3.5.8 Arbeit mit der Bundespolizei 67
3.5.9 Ethische Dilemmata Sozialer Arbeit 73
3.5.10 Das Verhältnis der Abschiebungsbeobachtung zu Abschiebungen 75
3.5.11 Öffentlichkeitsarbeit & Lobbyarbeit 78
3.5.12 Politische Arbeit 79
3.5.13 Unterschiede zwischen den Abschiebungsbeobachtungen 80
3.5.14 Positive Auswirkungen 81
3.5.15 Weitere Aufgaben und Handlungsmöglichkeiten 81
4. Ergebnisse 87
5. Diskussion 91
6. Ausblick 92
7. Literaturverzeichnis 93
8. Abkürzungsverzeichnis 106
9. Abbildungen 109
10. Anhang 11
Entwicklung eines Python-Tools für die optimale Auslegung von modularen Pelletkessel-Wärmepumpen-Systemen
No full textKern der Arbeit ist die Konzeption und Implementierung eines Python-basierten Berechnungstools,
das einen detaillierten Vergleich von Luft-Wasser-Wärmepumpen, Pelletkesseln
und einem bivalenten Hybridsystem aus beiden Technologien ermöglicht.
Die zentrale Forschungsfrage untersucht dabei, unter welchen spezifischen Bedingungen
der Einsatz des Hybridsystems in Gebäuden auf dem Gebiet der Bundesrepublik
Deutschland ökonomisch und ökologisch sinnvoll ist. Vor dem Hintergrund der Energiewende
wird der Anwender durch einen fundierten Vergleich bei der Auswahl eines
Heizsystems unterstützt werden.:1 Einleitung 1
1.1 Problemstellung 1
1.2 Zielsetzung der Arbeit 1
1.3 Aufbau der Arbeit 3
2 Grundlagen 4
2.1 Wärmepumpen 4
2.2 Biomasseheizungen 13
2.3 Hybridsysteme und deren Betriebsweise 21
2.4 Energetische Rahmenbedingungen 25
3 Konzeption und Entwicklung des Python-Tools 31
3.1 Marktanalyse und Abgrenzung zu bestehenden Webanwendungen 31
3.2 Datengrundlagen und Berechnungsmethodik 34
3.3 Konzeption der Systemarchitektur und des User Interface Design 51
3.4 Implementierung in Python 54
3.5 Validierung und Analyse 55
4 Ergebnisanalyse der Beispielszenarien 62
4.1 Vergleich der monovalenten Heizsysteme nach Gebäudetypen 62
4.2 Vergleich zwischen hybriden und monovalenten Heizsystemen 69
4.3 Gebäudeunabhängige Ergebnisse 77
5 Diskussion der Ergebnisse im Kontext der Forschungsfrage 80
5.1 Analyse der Einsatzkriterien und optimalen Betriebsbedingungen für ein Hybridsystem 80
5.2 Limitationen des entwickelten Webtools 83
5.3 Ausblick und zukünftige Entwicklung 87
6 Zusammenfassung 90
Anhang 92
Abbildungsverzeichnis im Anhang 9
RINA - ein agentenbasiertes Framework für Retrieval Intelligence & Natural Assistance
No full textIm Beitrag wird ein agentenbasiertes LLM-Framework vorgestellt, dass in Zusammenarbeit von SPIE
Automation und der Technischen Hochschule Aschaffenburg im Rahmen von Forschungsprojekten
entwickelt wird. Das Framework ist modular aufgebaut und bietet durch diese Abgrenzbarkeit organisatorisch
und didaktisch gute Möglichkeiten für Studierende, mit ihren Abschlussarbeiten beizutragen.
Sie können fokussiert an einer Funktionalität arbeiten, und diese abschließend im Kontext
des kompletten Frameworks bereitstellen. Das Framework erprobt den Einsatz von generativer KI
im industriellen Umfeld, einem Schlüsselthema für den Wirtschaftsstandort Deutschland. Es wurden
mehrere konkrete Beispiele implementiert und mit Nutzenden unterschiedlicher Nutzergruppen
getestet. Exemplarisch wird nachfolgend ein Workflow Assistent und ein RAG-Chatbot gezeigt
Erweiterung eines FD-FLIM Messsystems durch MQTT Anbindung eines Roboters zur automatischen Sortierung von Altholzklassen
No full textZiel des Projektes Fluoreszenz ID von Altholz (FrIDAH)5 ist die Entwicklung eines Demonstrators gewesen,
welcher die automatisierte Sortierung von Altholzproben gemäß der Altholzverordnung unter
Verwendung der Messung von Fluoreszenzabklingzeiten ermöglicht. In diesem Beitrag werden der
entwickelte Messaufbau, die Software, das Automatisierungssystem, sowie der Klassifikator vorgestellt.
Die Ergebnisse zeigen, dass die verwendete Technologie zur zuverlässigen Klassifikation von
Altholz geeignet ist und für die automatisierte Sortierung angewendet werden kann
Entwicklung, Visualisierung und Generierung sicherheitsbezogener Anwendungssoftware
No full textSOFTEMA ist ein Software-Assistent zur Projektierung und Dokumentation sicherheitsbezogener
Anwendersoftware an Maschinen. SOFTEMA erleichtert die Entwicklung und Dokumentation sicherheitsbezogener
Anwendersoftware (SRASW) durch eine strukturierte und normgerechte Methode.
Eine aktuelle Erweiterung, der Codevisualisierer, stellt Sicherheitslogiken grafisch dar, während
der ebenfalls neue Codegenerator automatisch Programmcode aus den in SOFTEMA Projektdateien
definierten Sicherheitsfunktionen generiert
Untersuchungen zum Schutz von industriellen Automatisierungsnetzwerken vor Cyber- Angriffen
No full textStets und ständig stehen moderne, vernetzte Industrieanlagen mit ihren Automatisierungsnetzwerken
immer vielfältigeren, variantenreicheren, sowohl externen als auch internen Angriffen gegenüber
[1]. Ein Großteil dieser Angriffe wird i. d. R. von extern initialisiert, aber eine Generierung aus
dem eigenen Firmennetzwerk sollte niemals ausgeschlossen werden, wie es Statistiken zeigen [2],
[3], [4].Es existieren Bedrohungen, die unmittelbar wahrgenommen werden können, da die Anlage fehlerhaft
arbeitet oder im Worst Case in einen Betriebszustand wechselt, bei dem die Produktion für einen
ungewissen Zeitraum lahmgelegt wird. Die Statistiken belegen, dass Cyber-Angriffe jedes Unternehmen,
egal wie groß, egal was es produziert, treffen können. [5] Dabei spielen nicht nur die
wirtschaftlichen Schäden für die betroffenen Unternehmen eine Rolle, sondern auch potentielle
Schäden für das Land, falls die kritischen Infrastrukturen betroffen werden. Darüber hinaus gibt es
Cyber-Attacken, die nicht sofort identifiziert werden, wie die Ergebnisse aus dem Verbundforschungsprojekt
„Stealth-Szenarien“ (FKZ: 1501589 A-C) [6] zeigen, an dem unser Team der Hochschule
Magdeburg-Stendal aktiv beigetragen hat. Eine Methode zur verdeckten Datenübertragung („Information
Hiding“) ist die Steganografie, die verdeckte Kanäle („Hidden Channels“) nutzt, um Daten
in Protokollen des Automationsnetzwerks, die als Trägermedium dienen, zu übertragen.
Dieses Paper hat zum Ziel, die Grundlagen der Steganografie für das Information-Hiding zu erläutern
und eine Übersicht der verschiedenen Varianten dieser Technik aus Blickwinkel eines Automatisierungsnetzwerks
zu geben. Dabei wird ansatzweise das Funktionsprinzip der Steganografie skizziert,
ohne jedoch eine Anleitung zu liefern, von der Cyberkriminelle profitieren könnten. Der
Schwerpunkt liegt darauf, das Bewusstsein für solche Angriffe zu schärfen. ..
Hochgeschwindigkeitszählung von Maden für eine nachhaltige Proteinproduktion
No full textInsekten werden aufgrund ihres Proteingehalts als eine der nachhaltigen Quellen für die Lebensmittelproduktion
der Zukunft angesehen. Sie werden, analog zu den heutigen Zuchtbetrieben für Schweine
und andere Nutztiere, auch in industriellen Anlagen gezüchtet. Zur Steuerung und Optimierung dieses
Zuchtprozesses muss eine Erfassung der Zahl der unter gegebenen Bedingungen aufgezogenen Insekten
vorgenommen werden. Im Unterschied zu Großsäugern ist die Individuenzahl von Insekten sowie
deren Larvenstadien jedoch um Magnituden größer, so dass bei der Ermittlung der Anzahl der Insekten
mittel- und langfristig auf eine vollautomatisierte maschinelle Erfassung umgestellt werden muss.
In dieser Arbeit wird eine Methode zur präzisen Zählung einer großen Zahl von Maden der Schwarzen
Soldatenfliege (Hermetia illucens) in einem prototypischen Aufbau vorgestellt
Implementation of Machine Learning algorithms on PLCnext Technology platform
No full textIn a master’s degree project, the end goal was to build an experiment setup to demonstrate the
capabilities of the PLCnext controller introduced by Phoenix Contact in 2018. Various options for the
setup design were considered, leading to a setup where the controller performs anomaly detection
using machine learning models. A test setup in which anomalies can be introduced has been built. The
test stand is a mechanical assembly composed of a crankshaft and sliding block. The crank shaft is
driven by a 24V DC motor, and the sliding block is mechanically loaded by an adjustable hydraulic
damper. The following anomalies can be introduced in this machine: deviation in the voltage level for
the drive motor, increased level of friction in the damper, clearance in the sliding block out of design
limits. In operation the slider-crankshaft mechanism causes a time-periodic variation of the motor
current. The parameters of this waveform can be analysed for a setup operating in either nominal or
abnormal conditions. The anomalies listed above affect the motor torque. Since the torque of a DC
motor is directly proportional to its current, each anomaly can be detected from current measurement.
All data from the current sensor is stored in working memory of the controller. This measured data is
labelled to be transformed into a database. The data obtained when the setup operates without
producing errors is labelled as normal data. The data obtained with an anomaly introduced in the
system is labelled as anomaly data. A machine learning model can then be trained to label future
unknown data as normal data or anomaly data