eprints (HSR Hochschule für Technik Rapperswil)
Not a member yet
1196 research outputs found
Sort by
Routing Gets Personal: Welcome to /32 to the client
No full textNo matter which network architecture or topology is used, large Layer 2 domains can be found everywhere. They are also used in campus networks to connect end devices and segment them appropriately into their own broadcast domains. However, using extended L2 domains also brings all the restrictions, disadvantages and behaviour patterns belonging to this layer into the network environment. These include the limitations of the Spanning Tree Protocol, the poor scalability of L2 networks, and the flooding of broadcast, unknown unicast and multicast (BUM) network traffic. The bachelor's thesis investigates a novel approach to circumvent these issues, referred to as the «/32 environment», which aims to minimize the size of Layer 2 domains as much as possible. This is achieved by assigning a /32 subnet mask to each end device alongside its IP address. Consequently, each end device operates within its own network, resulting in a Layer 2 domain containing only a single IP address. This solution follows the idea of extending Layer 3 down to the end device. The approach was validated by establishing a physical test environment (Cisco) and a virtual test environment based on «containerlab» (Arista). It gave the possibility to test various scenarios and network protocols. These experiments have verified the technical feasibility of this approach and its associated advantages. In addition, all tested protocols perform correctly in a /32 environment. Currently, however, this approach cannot meet the requirements of a campus network as the router OS from Arista and Cisco either has bugs or lacks the necessary functions. Future studies could examine how such an implementation would perform in WLAN infrastructures or data centres, and the challenges that might arise
OST ResearchNavigator: Projekt-Tracking-Software für die Ostschweizer Fachhochschule
No full textDie Ostschweizer Fachhochschule (OST) führt zahlreiche anwendungsorientierte Forschungsprojekte in verschiedenen Bereichen durch. Derzeit werden diese über fachspezifische Kanäle veröffentlicht, was ein gesamtheitliches Monitoring der Forschung umständlich macht. Um dieser Problematik entgegenzuwirken, wurde im Rahmen einer vorangegangenen Studienarbeit ein erster Prototyp einer webbasierten Plattform – der OST ResearchNavigator – entwickelt. Dieser ermöglicht es, Forschungsprojekte zentral zu erfassen, einheitlich zu verwalten und effizient zu durchsuchen. Ziel der vorliegenden Bachelorarbeit ist die Weiterentwicklung des bestehenden Prototyps mit einer Benutzer-Authentifizierung und einem Admin-Bereich zur Stammdatenverwaltung zu einem voll funktionstauglichen und einsatzfähigen Produkt.
Das bestehende Datenmodell wurde ergänzt, um den neuen Anforderungen zu entsprechen. Der vorhandene Tech-Stack, bestehend aus einem Nuxt.js-Frontend, einer ASP.NET Core API, einer PostgreSQL Datenbank sowie einem MinIO Filesystem, wurde übernommen. Für neue Features wurden zusätzliche Technologien integriert, nämlich GitLab für die Authentifizierung, die FluentEmail-Library für den E-Mail-Versand sowie LLMHub und OpenAI zur Generierung von Zusammenfassungen aus PDF-Dateien. Die Plattform LLMHub wird OST-intern gehostet, was die Datensicherheit steigert. Erkenntnisse aus der vorherigen Arbeit sowie regelmässige Code Reviews führten zu einer umfassenden Neustrukturierung des Backend-Codes. Durch mehrere Benutzertests mit potenziellen Anwendern der Software wurde Feedback gesammelt und laufend integriert. So wurde die an das OST Corporate Design angelehnte Applikation intuitiv, benutzerfreundlich und gezielt auf die Bedürfnisse des Kunden abgestimmt. Alle Komponenten sind mit Docker containerisiert, Einstellungen lassen sich in einer simplen Konfigurationsdatei vornehmen und sind übersichtlich dokumentiert.
Alle definierten Anforderungen konnten vollständig umgesetzt werden. Das entstandene System zeichnet sich durch eine sichere Benutzerauthentifizierung, eine benutzerfreundliche Oberfläche zur Verwaltung von Stammdaten und Benutzerkonten sowie erweiterte Funktionen zur Bearbeitung und Archivierung von Projekten aus. Die Suchfunktion wurde ergänzt und bietet nun eine leistungsstarke Volltextsuche mit Relevanzbewertung und die Möglichkeit, Inhalte aus PDF-Dokumenten zu durchsuchen. Zusätzlich wurden ein erweitertes Statistik-Dashboard, ein strukturierter Texteditor mit Vorschaufunktion, E-Mail-Benachrichtigungen, ein PDF-Export, sowie KI-basierte Unterstützung bei der Erstellung von Projektbeschreibungen entwickelt, was die Benutzerfreundlichkeit und Effizienz des Gesamtsystems weiter steigert. Die nicht-funktionalen Anforderungen Bedienbarkeit, Performance und Wartbarkeit wurden auf die neuen Funktionalitäten ausgeweitet und mit geeigneten Tools verifiziert. Die umfassenden Optimierungen des Codes erleichtern die zukünftige Weiterentwicklung.
Die weiterentwickelte Software erweitert den bestehenden Prototypen zu einem umfassenden und intuitiv nutzbaren System. Die Applikation stiess auf positives Feedback von Kunden und potenziellen Anwendern. Sie erfüllt alle Anforderungen für einen produktiven Einsatz und ist somit bereit für die Inbetriebnahme durch ein Institut der OST
Trim3D: Development of an Automated Hair Trimmer
No full textThis bachelor’s thesis presents the development of Trim3D, a prototype for an automated hair-trimming
system. Starting from the observation that hairdressing remains mostly manual, the project aims to make the
first step into automating the haircutting process and addresses core challenges, such as accurate 3D head
measurement, intuitive haircut definition, and precise real-time control of a hair trimmer with an extendable
comb.
The developed system integrates a three-camera network for synchronous multi-view capture (requiring
intrinsic and extrinsic camera calibration with ChArUco boards, and triangulation to determine 3D positions
from the different camera angles), ArUco marker-based pose estimation for head measurement and trimmer
pose estimation, and MediaPipe facial landmark detection for head pose estimation.
After rigorous systematic evaluation and testing (often using Blender to ensure a controlled environment,
availability of ground-truth, and reproducibility), the biggest error sources were identified, and the software and
hardware were reworked or alternative approaches were found, evaluated and implemented. Through targeted
improvements, such as multi-threaded image grabbing, triangulation reprojection error thresholds, ArUco
dictionary changes, ArUco marker pose ambiguity correction by global marker rotation-alignment across
cameras, thin-plate-spline head morphing with outlier handling, image exposure correction for more robust
facial landmark detection, stability-enhancing mechanical redesigns, and 10 Gbps networking with jumbo
frames, the system’s accuracy and robustness were greatly enhanced. Similarly, the performance increased,
doubling the system’s frame rate from around 10 to 20 FPS. End-to-end tests of the Trim3D system in a
simulated environment verify the detected trimmer position to be accurate with errors below 5 mm and
predicted hair length versus ground truth hair length with errors below 0.5 mm at different positions.
Unifying all underlying components together, a web interface enhances usability and guides users seamlessly
through extrinsic calibration, head measurement and morphing, haircut definition and real-time trim execution.
The final prototype demonstrates feasibility, accuracy, and user-friendliness, laying the groundwork for future
visions such as smartphone-based head scans, sensor fusion, and an actively tilting trimmer comb
VR- and ML-based System for Mental Workload Estimation
No full textEinleitung:
Mentale Arbeitsbelastung (Mental Workload, MWL) ist ein zentraler Faktor in sicherheitskritischen Bereichen wie der Luftfahrt. Besonders Piloten müssen unter Zeitdruck mehrere Aufgaben gleichzeitig bewältigen, was bei Überlastung zu Fehlern führen kann. Eine objektive Echtzeiteinschätzung der MWL ist daher von grossem Interesse. Für Loft Dynamics, dem Auftraggeber des Projekts, wäre es bspw. hilfreich, wenn Instruktoren während eines Trainingsflugs im Simulator den momentanen MWL eines Piloten einsehen könnten – etwa bei anspruchsvollen Manövern, um Überforderung frühzeitig zu erkennen und das Training gezielt anzupassen. Ziel dieser Arbeit ist es daher, die MWL auf Basis von Augendaten zu schätzen, um eine möglichst schlanke und leicht integrierbare Lösung bereitzustellen.
Vorgehen:
Basierend auf einer Vorgängerarbeit wurden ein bestehendes VR-Game sowie eine zugehörige Python-Anwendung zur Datenspeicherung, Vorverarbeitung und Modelltraining übernommen und umfangreich überarbeitet. Im Rahmen dieser Arbeit wurden physiologische Daten von 13 Probanden aufgezeichnet, die zur Entwicklung und Evaluation von Machine-Learning-Modellen genutzt wurden. Ergänzend wurde eine Python-Applikation entwickelt, die in Echtzeit Augendaten aus dem Flugsimulator der Firma Loft Dynamics verarbeitet und diese an ein trainiertes Modell zur Schätzung der MWL übermittelt. Dadurch lässt sich die MWL eines Piloten während des Simulationsbetriebs kontinuierlich schätzen und visualisieren.
Ergebnis:
Mit zwei unterschiedlichen Verfahren zur Feature-Generierung wurden zwei ähnlich gute Modelle erzielt. Die erste Variante, führte zu einem QDA-Modell welches eine Test-Accuracy von 0.52 und einen F1-Score von 0.51 erzielte. Die zweite Variante, resultierte in einem QDA-Modell welches eine Test-Accuracy von 0.48 und einen Macro F1
Score von 0.43 erreichte. Beide Modelle zeigten ähnliche Leistungen, wobei das QDA-Modell in Bezug auf die Test-Accuracy leicht überlegen war
Notification Concept für die TWINT AG
No full textIn der vorliegenden Thesis zum Master of Advanced Studies in Human Computer Interaction Design (MAS HCID) wird im Team ein Notification Concept für die TWINT AG erarbeitet.
TWINT als führende Bezahl-App der Schweiz
Die TWINT AG wurde 2016 gegründet und zählt über 5 Millionen aktive Nutzende. Das Unternehmen möchte das tägliche Leben der Menschen in der Schweiz einfacher gestalten. (Kapitel 1.1)
TWINT bietet zahlreiche Use Cases in Zusammenhang mit Zahlungen (Kapitel 2.1.2). Diese lassen sich nach der Art der Interaktion unterscheiden in:
– Peer-to-Peer-Funktionen (P2P): Eine Interaktion erfolgt mit einem Peer TWINT User,
beispielsweise, um Geld zu senden oder anzufordern.
– User-to-Business-Funktionen: In einem digitalen oder stationären Geschäft bezahlen Nutzende mit der TWINT App.
– Value Added Services (VAS) und User Lifecycle: VAS sind u.a. integrierte Kundenkarten, Challenges oder Stempelkarten. Zu User Lifecycle gehören das On- und Offboarding.
– Partnerfunktionen: Diese Funktionen bietet TWINT in Zusammenarbeit mit Partnerorganisationen an. Darunter fallen z.B. Parkieren, Spenden, digitale Gutscheine oder Superdeals.
Organisch gewachsene Benachrichtigungen erfordern ein Notification Concept
TWINT-Nutzende erhalten verschiedene Benachrichtigungen. Die
aktuelle Umsetzung ist organisch entstanden. TWINT vermutet
folgende Probleme (Kapitel 2.2.1, Abbildung 2):
– fehlende Historie und Übersichtlichkeit
– fehlende Priorisierung und Kategorisierung von
Benachrichtigungen
– fehlende oder mehrfache Benachrichtigungen
– unzureichende Möglichkeiten, Benachrichtigungen
individuell zu steuern
Das Projektteam wird daher mit dieser primären Fragestellung
beauftragt (Kapitel 1.2):
Abbildung 1: Spotlight und Push Notification
Quelle: [TWINT AG 2024c]
«Wie lässt sich die User Experience in der Interaktion mit der TWINT App verbessern, indem die Benachrichtigungen auf die Bedürfnisse und Ziele der Nutzenden abgestimmt werden?»
Als zentrales Lieferobjekt definiert das Projektteam in Absprache mit TWINT ein Notification Concept. (Kapitel 1.3)
Vorgehen nach Collaborative UX Design kombiniert mit Goal-Directed Design (Kapitel 1.5)
Der Projektauftrag adressiert mit Notifications ein Querschnittsthema. Nach einer ausführlichen Evaluation fällt der Entscheid auf das Vorgehensmodell Collaborative UX Design (CUXD) nach Steimle und Wallach [2023]. Die Scoping-Phase von CUXD wird mit Artefakten gemäss GDD [Cooper et al. 2014] ergänzt, um das Domänenwissen breiter aufzubauen. Darunter fallen eine umfassende Analyse aktueller Benachrichtigungen von TWINT, Best Practices aus der Literatur, eine Branchenanalyse sowie Interviews mit relevanten Stakeholdern. (Abbildung 3)
Abbildung 2: Vorgehensmodell Collaborative UX Design inkl. Domain Research
Quelle: eigene Darstellung
User Research deckt Navigationsprobleme auf (Kapitel 2)
Basierend auf der Domain Research nach GDD und der Scoping-Phase nach CUXD formuliert und priorisiert das Projektteam mit TWINT Annahmen. Die User Research soll aufzeigen, wie Nutzende aktuell mit Benachrichtigungen umgehen, welche Schwierigkeiten und welche Anforderungen sie haben. Dafür werden sechs Usability Testings à 45 Minuten mit bestehenden TWINT-Nutzenden auf der produktiven Implementation der App durchgeführt.
In der User Research zeigt sich, dass Probleme im Navigationskonzept der TWINT App wie z.B. versteckte Funktionen mit Notifications kompensiert werden. Im 5S-Modell von Garrett [2011] gesprochen liegt der Optimierungsbedarf bereits auf der Ebene Structure und nicht allein auf den Ebenen Skeleton und Surface. Deshalb entscheidet das Projektteam in Absprache mit TWINT und Projektcoach, zunächst Optimierungen in der Navigation vorzunehmen.
Sieben Opportunity Areas werden abgeleitet und priorisiert:
1. Die Value Proposition des Spotlights ist unklar.
2. Es ist keine Benachrichtigungszentrale vorhanden.
3. In-App-Benachrichtigungen entsprechen nicht den Best Practices in Bezug auf Design, Interaktion und Wording.
4. Push Notifications sind teilweise unpassend zum Case und wenig aussagekräftig. Design und Wording entsprechen nicht den Best Practices und Branchenstandards.
5. Es gibt noch nicht zu allen wichtigen Transaktionen Push Notifications.
6. Es wird nicht berücksichtigt, wann Nutzende gemäss Best Practices keine Benachrichtigung erhalten sollen.
7. Die Kategorisierung der Benachrichtigungspräferenzen (Einstellungen) ist nicht klar.
Erarbeitung von sieben Opportunity Areas in mehreren Iterationen (Kapitel 3)
Die sieben Opportunity Areas werden einzeln und mit adäquaten kreativen oder analytischen Methoden bearbeitet. Da sie sich auf unterschiedlichen Ebenen des 5S-Modells befinden, werden die Opportunity Areas in aufsteigender Reihenfolge von abstrakt zu konkret behandelt. Dieser Prozess erfolgt in mehreren Makro- und Mikro-Iterationen. Darunter fallen unter anderem:
– ein Design-Studio mit drei Iterationen für die neue Navigationsstruktur.
– Hallway-Tests des Papierprototyps mit neun Personen.
– ein Card Sorting zur Gruppierung und Kategorisierung der Funktionalitäten.
– ein Vergleich aller Use Cases, wobei Benachrichtigungen ergänzt, weggelassen oder
gemäss Literatur optimiert werden.
Das Projektteam integriert alle Ideations in einem klickbaren Low-Fidelity-Prototyp. Während der Erarbeitung werden 35 Annahmen identifiziert, priorisiert und Erfolgskriterien formuliert. Die Validierung erfolgt anhand von Usability Tests à 45 Minuten mit fünf Testpersonen.
Navigation Concept als Basis für das Notification Concept
(Kapitel 4.1)
Evaluiertes Verbesserungspotenzial aus den Usability Tests wird wiederum in das Navigation Concept eingearbeitet und der Fidelity-Grad erhöht. Die vorgeschlagene Navigation basiert auf der Unterteilung in:
– Zahlungen: Auf dem Startscreen (Abbildung 4) sind nur Zahlungen ersichtlich. Neben dem Guthaben kann im oberen Banner das Parking gestartet und eine Lieblingsfunktion hinterlegt werden. Der Footer mit den Hauptfunktionen bleibt bestehen.
– Vorteile: Ein Carousel bewirbt wöchentliche Angebote. Die Partnerfunktionen sind neu in inhaltliche Kategorien gruppiert und entsprechend benannt.
– Benachrichtigungszentrale: Darin werden Notifications gemäss Präferenzen gesammelt.
– Einstellungen: Es ist individuell konfigurierbar, welche Inhalte als Push Notification und/oder in der Benachrichtigungszentrale ausgespielt werden.
Abbildung 3: Zahlungen
Quelle: eigene Darstellung
Notification Concept als zentrales Lieferobjekt
Basierend auf den vorangehenden Artefakten wird ein umfangreiches Notification Concept ausgearbeitet (Kapitel 4.2). Die Validierung (Kapitel 4.3) erfolgt zunächst durch ein internes Review mit zwei UX-Fachpersonen von TWINT. Anschliessend werden vier externe Expert Reviews durchgeführt.
Das finale Notification Concept (Kapitel 5) besteht aus:
– Grundsätzen, die für alle Patterns gültig sind. Darunter fallen die Definition, Nutzung, Merkmale und Entscheidungshilfe, übergreifende Grundsätze und Wording mit Beispielen. Die Entscheidungshilfe unterstützt TWINT-Mitarbeitende dabei, anhand weniger Fragen bzw. Merkmalen das passende Pattern zu finden.
– sechs klassischen Patterns (Moleküle): Carousel, Push Notifications, Live Activity, Snackbar, Modal Dialog und Alert Screens. Eine Pattern-Beschreibung besteht jeweils aus einer kurzen Beschreibung, der Nutzung, Verwendungsregeln, Ausprägungen, Dos & Don’ts, Spezifikation und Links.
– einem komplexen Pattern (Organismus): Benachrichtigungszentrale
Empfehlungen für die weitere Erarbeitung und Umsetzung (Kapitel 6)
Das Projektteam empfiehlt TWINT folgende weiteren Schritte bezüglich Navigation Concept:
– Mit Nutzenden weiter validieren und die Ziellösung schärfen.
– Konzept verfeinern, indem weitere Spezifikationen erstellt werden.
– Navigation Concept umsetzen, um die Basis für das Notification Concept zu schaffen.
Das Projektteam empfiehlt TWINT folgende weiteren Schritte bezüglich Notification Concept:
– Detaillierungsgrad erhöhen (u.a. Spezifikation, Android/iOS, Accessibility, Sprachen).
– Guidelines für Anwender:innen des Konzepts schaffen, kommunizieren und überprüfen
– Technisch an einer zentralen Stelle in der Pattern Library implementieren
– Mittels Messung und Auswertung von definierten Key Performance Indicators (KPIs) das Notification Concept kontinuierlich optimieren und weiterentwickeln
Zusammenarbeit im Team (Kapitel 7)
Nach zehn Monaten intensiver Projektarbeit sind das definierte Hauptziel und die sechs Teilfragen beantwortet. Der Prozess erforderte Ausdauer, Motivation und Zusammenhalt. Trotz einiger Höhen und Tiefen bewertet das Projektteam die Zusammenarbeit als wertschätzend und konstruktiv. Folgende Faktoren werden als zentral für diesen Erfolg betrachtet:
– Verschiedene Erfahrungen, Interessen und Perspektiven wurden zielführend eingesetzt.
– Meinungsverschiedenheiten und Probleme wurden offen angesprochen und gelöst.
– Ein gemeinsamer Arbeitstag pro Woche schaffte Orientierung und Struktur.
– Die Online-Zusammenarbeit wurde möglichst effizient und effektiv gestaltet. Gezielte Termine vor Ort brachten Abwechslung und fördern den Teamzusammenhalt.
– Der Schlussbericht wurde fortlaufend verfasst und Arbeitsschritte reflektiert.
Das Projektteam bedankt sich an dieser Stelle herzlich bei TWINT für den motivierenden Projektauftrag und das grosse Vertrauen. Ein besonderer Dank gilt Ashly Pius und Oskar Levinson für die wertschätzende Zusammenarbeit, das konstruktive Feedback und ihre Offenheit
W5: Who did What to Whom, Where, and When
No full textTitel:
W5: Who did What to Whom, Where and When
Untertitel:
Arbeitstyp:
Bachelorarbeit
Semester:
FS 2025
Studiengang:
BSc Informatik
Sprache:
Englisch
Graduate Candidates:
Timo Klingler, Davide Ferrara
Advisors:
Prof. Dr. Mitra Purandare, Benjamin Plattner
Co-Examiner:
Saskia Senn, Mettler Toledo GmbH
Subject Area:
Artificial Intelligence
Introduction:
Vast quantities of unstructured text data are created daily through news articles and social media posts. To support decision-makers, the goal is to extract specific entities from this text to construct structured event data, answering the ‘W5’ questions: Who, What, Whom, Where and When. Traditional methods for creating these event data rely on manual processes or automated systems that parse the texts’ syntactic structures. These approaches struggle with complex sentences, are language-specific and depend on dictionaries for ambiguity resolution, which are costly to maintain. This thesis presents a web-based application designed to convert unstructured textual data, such as news articles, into structured event records using the "W5" questions. The system leverages recent advancements in political event data extraction, particularly the shift from traditional Natural Language Processing (NLP) techniques to Large Language Models (LLMs), to identify and categorize event details with improved accuracy and flexibility.
Approach:
Our approach processes input text through a multi-stage pipeline inspired by the Next Generation Political Event Coder (NGEC), a state-of-the-art framework developed by the political event data community for event extraction. The pipeline begins by assigning one of 16 distinct event types or categories (e.g., cooperation) to the input text through binary classification of each category independently, followed by selecting the one with the highest overall probability. The classified text is summarized by a Bidirectional and Auto-regressive Transformers (BART) model and then fed into a Bidirectional Encoder Representation from Transformers (BERT) question-answering (QA) model, which extracts answers from predefined questions (e.g., "Who is the actor?" "What is the action?"), tailored to the identified category. Named Entity Recognition (NER) is then applied on the answers of the QA model to extract “Who” and “Whom,” as well as to identify temporal (“When”) and geographical (“Where”) information directly from the input text. Identified actors and recipients are linked to their canonical Wikipedia entries using pre-computed Sentence-BERT (SBERT) embeddings. Dates are parsed and evaluated relative to a given reference date. Lastly, extracted place names are matched to canonical entries in the GeoNames gazetteer using SBERT embeddings, allowing us to retrieve the corresponding geographic coordinates.
Result:
We evaluated our system using two key resources: the Global Database of Events, Language, and Tone (GDELT), an open-source repository of global news events, and the Local-Global Lexicon (LGL), which maps place names to precise geographic coordinates. The evaluation was conducted under the constraint that the pipeline must run on limited consumer hardware—a laptop with 16GB of RAM, processing each text sample in approximately 30 to 40 seconds. Our implementation achieved the following F1-scores for the W5 pipeline components: What: 70.42%, Who: 0.06%, Whom: 0.05%, and Where: 0.17%. While the performance for event categorization (What) was strong, the results for entity and location resolution were significantly weaker. Nevertheless, the system constitutes a complete end-to-end solution, and its modular architecture provides a suitable foundation for future improvements.
Bild 1:
The W5 Pipeline: End-to-End Model Integration in the AI Workflow
Bild 2:
Benchmarking Event Classification: Average Model Scores
Bild 3:
W5 Frontend View: Structured Results from News Analysi
Menschzentrierte Analyse und Umsetzung von Freigabeprozessen im Bauprojekt-Management
No full textHintergrund
Die systematische Freigabe von Plänen stellt einen essenziellen Bestandteil des Bauprojektmanagements dar. Die bestehende Plattform smino, die zur Koordination und Dokumentation von Bauvorhaben eingesetzt wird, verfügt über keine Unterstützung für strukturierte Freigabeprozesse. Diese Bachelorarbeit adressiert diese Lücke durch eine menschzentrierte Analyse und prototypische Umsetzung eines entsprechenden Prozesses. Ziel ist es, eine Lösung zu entwickeln, die den praktischen Anforderungen der verschiedenen Projektbeteiligten und zugleich den technischen Vorgaben entspricht.
Methodik
Die Arbeit orientiert sich am Vorgehensmodell des Collaborative UX Design (CUXD), das iterative Phasen der menschzentrierten Entwicklung umfasst. In der Verstehensphase wurden Anforderungen aus bestehenden Artefakten und Interviews mit Hauptnutzenden abgeleitet. Darauf basierend entstanden Personas, User-Journeys und Opportunity Boards. In der anschliessenden Erkundungsphase wurden im Rahmen eines Design Studio konkrete Lösungsideen erarbeitet sowie ein High-Fidelity-Click-Prototyp entwickelt und validiert.
Darauf folgten die Priorisierung zu einem Minimum Viable Product (MVP), dessen Umsetzung in der smino-Umgebung sowie eine abschliessende Validierung. Diese wurde durch gezielte User-Tests mit Vertretern der Zielgruppen durchgeführt und lieferte zentrale Erkenntnisse zur weiteren Optimierung.
Ergebnis
Das Ergebnis der Arbeit ist ein funktionaler und validierter Prototyp zur Durchführung von Planfreigaben in smino. Die Entwicklung orientierte sich konsequent an den realen Arbeitsabläufen der Nutzenden und ermöglichte so eine praxisnahe Lösung.
Validierung und Ausblick
Die Validierung deckte zentrale Usability-Hürden auf - insbesondere im Bereich Navigation, Kommentarfunktion und Metadaten-Darstellung. Des Weiteren wurden konkrete Empfehlungen zur adressierten Verbesserung vor einem Release abgeleitet. Ein Highlight ist die erfolgreiche Anwendung des CUXD-Vorgehensmodells direkt in der komplexen smino-Codebase. Die Arbeit trägt zur digitalen Transformation von Freigabeprozessen im Bauwesen bei und stellt eine fundierte Grundlage für die Weiterentwicklung des Produkts dar.
Neben einem priorisierten Massnahmenkatalog für Design und Entwicklung wurden auch konzeptionelle Folgefragen identifiziert - etwa zur Integration mit Aufgaben, zur Validierung des Prüfprozesses mittels Pluralistic Walkthroughs oder zur Absicherung bei Datei-Löschungen.
Diese Erkenntnisse bilden die Basis für anschliessende Refactorings sowie zukünftige Designentscheidungen im Industrieumfeld
Ressourcenmonitor Widget für First Responder Applikation
No full textBereits heute laufen in den Einsatzzentralen vieler Blaulichtorganisationen verschiedene Anwendungen und Applikationen, welche die Einsatzmittel steuern oder überwachen. Dies gilt auch für die bereits existierende Applikation «Momentum» der Firma «sureVIVE». Die Applikation ermöglicht es in Notfallsituationen, insbesondere bei plötzlichem Herzstillstand (SCA), schnell den richtigen Retter zu identifizieren und zu alarmieren. Die bestehende Anwendung bietet für einen einfachen Überblick aber zu viele Optionen und Möglichkeiten.
Im Rahmen dieser Arbeit wurde eine einfache und schnelle Übersicht in Form eines Widgets gebaut. Als Grundlage dazu diente ein Requirements Engineering mit einem grossen Anwender der «Momentum» Applikation. Die für die bestehende Applikation bereits existierenden REST-API Endpunkte wurden zudem auf eine Kommunikation mittels Messaging umgestellt. Dies ermöglicht eine Aktualisierung der Daten in Echtzeit und somit eine aktuelle Übersicht über die Einsatzmittel der «Momentum» Applikation. Für die Umsetzung wurde für das Frontend Angular sowie Java mit Spring für das Messaging-Backend verwendet. Das Messaging selbst erfolgt über einen Azure Servicebus
Flexible Bereitstellung von Arbeitsblättern für den sonderpädagogischen Unterricht
No full textDiese Bachelorarbeit baut auf einer Anwendung auf, die im Rahmen einer vorangegangenen Studienarbeit entwickelt und mit einem prototypischen Funktionsumfang umgesetzt wurde. Ziel dieser Anwendung war, Lehrpersonen ein digitales Werkzeug bereitzustellen, mit dem sich mathematische Arbeitsblätter einfach erstellen und individuell an die Bedürfnisse von Schülerinnen und Schülern anpassen lassen. Die Anwendung ermöglichte die Generierung von Arbeitsblättern im PDF-Format unter Berücksichtigung sonderpädagogisch relevanter Parameter.
Ziel dieser Bachelorarbeit ist es, die bestehenden Anwendung weiterzuentwickeln, sodass mathematische Aufgaben nicht nur erstellt, sondern auch digital gelöst werden können. Dadurch sollen neue didaktische Möglichkeiten entstehen, die den Unterricht flexibler, inklusiver und motivierender gestalten.
Die entwickelte Webapplikation besteht aus zwei zentralen Komponenten. Einerseits umfasst sie eine Verwaltungsoberfläche für Lehrpersonen, in der Klassen, Schülerinnen und Schüler organisiert, sowie individuelle Aufgabensammlungen erstellt und zugewiesen werden können. Andererseits ermöglicht sie den Schülerinnen und Schülern ein interaktives Bearbeiten der Aufgaben in einer ansprechenden und altersgerechten Umgebung. Besonderer Wert wurde dabei auf eine intuitive Gestaltung gelegt, um eine möglichst breite Nutzbarkeit sicherzustellen.
Mit dieser Arbeit wird ein wichtiger Grundstein für eine digitale Unterstützung im Unterricht gelegt, die gezielt auf sonderpädagogische Bedürfnisse eingehen kann. Gleichzeitig bietet die Lösung auch in Regelschulen Potenzial, den Unterricht zeitgemäss, flexibel und motivierend zu gestalten
Citation Recognition in Legal Documents
No full textThis bachelor thesis develops a transformer-based system for citation recognition in legal documents. It is intended to replace an existing solution based on regular expression matching, which is hard to maintain and does not generalize to new citation formats.
The task is divided into two steps: One model classifies citations in legal texts into CASELAW, LAW and LITERATURE. A second model identifies the parts of these citations, such as COURT, DATE, ARTICLE, etc.
The existing regex solution serves as data source and benchmark for the first step of recognizing citations. 10 million text chunks containing legal citations are used to fine-tune a Google BERT base multilingual (uncased) model. It achieves a test recall of 96.9%. On a manually annotated dataset, it scores a recall of 74.33%, while the regex solution achieves 72.15%.
Sparse training data poses a challenge for recognizing parts of a citation. Few-shot prompting with an LLM yields good results, but experiments show that it is prohibitively slow in practice. Therefore, knowledge distillation is used to fine-tune a DistilBERT base (uncased) model via the supervision of Llama 3.3 70B. The 1'044 times smaller DistilBERT achieves a similar performance to Llama. The model scores a test recall of 99.11%. On a manually annotated dataset, it achieves a recall of 93.37%.
The final .NET-based solution allows bulk processing of documents and provides a web interface for user interaction. FastAPI is used to serve the fine-tuned models. The results are stored in an MS SQL database.
The proposed solution offers many advantages besides the at par performance with the regex-based system. The solution is more robust and can handle deviations such as typing errors and new citation formats more easily. Moreover, the cherry on top is the improved performance in recognizing parts of a citation with more granular labels