Offenburg University of Applied Sciences
Hochschulschriftenserver der Hochschule OffenburgNot a member yet
6641 research outputs found
Sort by
What can we learn from service model analysis? An application in the government export finance sector
No full textThe service model approach, like business models in the private sector, is gaining increasing attention in public management literature. In line with this evolving discourse, our study analyzes service models in government export promotion. By exploring the use of service models and discussing key developments, we shed light on the diverse application of service models in the context of officially supported export credits – an under-researched field in which a lot of innovation is happening. We observe a limited number of traditional service models with significant relevance. In addition, our findings suggest a rising diversity that signifies innovation and the broadening scope of activities. We also uncover the underlying motivations and practical experiences associated with their implementation and provide valuable insights into the benefits they offer
Transversal skills in applied Artificial Intelligence - the case of the financial sector
No full textDifferent aspects of modern society can be transformed by the deployment of Artificial Intelligence (AI). AI-powered tools have promoted changes in the financial industry by applying inventive methods for data analysis and automating processes, efficiency enhancement, cost reduction and more personalised services to customers. However, AI algorithms may activate significant ethical and regulatory concerns that should be addressed by the industry and society as a whole. In line with the Erasmus+ project Transversal Skills in Applied Artificial Intelligence - TSAAI (KA220-HED - Cooperation Partnerships in higher education), which aims to establish a training platform, this paper focuses on an analysis of study programmes in formal tertiary education across consortium countries (Spain, Estonia, North Macedonia, Croatia, Germany, and Slovenia) with a special focus on applied artificial intelligence and development of curriculum that will integrate teaching guidelines covering the areas of application of AI technology in the financial and insurance sectors. To this end, a Systematic Review of Literacy (SRL) on the web methodology identifying the existing employability requirements in AI and the Learning-Centred Syllabus (LCS) methodology for curriculum development was applied, with the presented curriculum expected to serve as a framework to develop teaching materials to help students, academics and employees enhance their professional skills, thus satisfying labour market needs
Exploring Changes in Students' Understanding the Basic Concepts of Data Analysis in Introductory Laboratory Course "Search for Physics Laws"
No full textLaboratory courses have always been one of the most important components of university science courses. It is expected that first-year engineering students will acquire basic skills to deal with experimental data after such course. This ability to generate knowledge using experiments they could and should use later in subsequent courses. However, a number of pedagogical researches revealed that most students do not master the necessary skills. As one possible way to solve this problem, the course “Search for Physics Laws” was developed. This course is based on the theory of the gradual formation of mental actions and can be put into educational practice by using different laboratory equipment. Evaluation of the course showed that the organized in the new way laboratory sessions is more effective than traditional laboratory sessions. In this work, we consider in detail how students’ understanding of the basic concepts of error analysis changes over the course
Praxisleitfaden für Wärmepumpen in Mehrfamilienhäusern
No full textDer Praxisleitfaden präsentiert Lösungsansätze für den Einbau von Wärmepumpensystemen in Mehrfamilienhäusern. Anhand von gelungenen Praxisbeispielen werden Hinweise und Handlungsempfehlungen für Konzeption, Planung und Betrieb der Anlagen abgeleitet
Selbstbestimmte digitale Identitäten und Selective Disclosure
No full textDiese Bachelorarbeit beschäftigt sich mit dem Thema der selbstbestimmten digitalen Iden-titäten und deren Implementierung im E-Commerce. Im Rahmen des Forschungsprojekts SDI4Ecom wird in diesem Zusammenhang der Prozess der selektiven Offenlegung unter-sucht, mit dem Ziel, durch die Durchführung eines Usability-Testings Handlungsempfeh-lungen für eine benutzerfreundliche selektive Offenlegung zu formulieren.
Zunächst werden das Forschungsziel, der grundlegende Aufbau der Arbeit sowie die zu-grunde liegenden Forschungsfragen vorgestellt. Anschließend wird im theoretischen Teil der Bachelorarbeit das Konzept hinter „Self-Sovereign Identity“ erläutert, wobei auch auf die Grundlagen der selektiven Datenfreigabe eingegangen wird. Weiterhin werden die An-wendungspotenziale im E-Commerce, das Projekt SDI4Ecom sowie Grundlagen der Usa-bility beleuchtet.
Der zweite Teil der Arbeit fokussiert auf die eigentliche Forschungsarbeit. Zunächst wird die Methodik beschrieben, mit der die Forschungsfragen beantwortet werden sollen. Für das Usability-Testing werden jeweils zwei Szenarien entwickelt. Für jedes der beiden Sze-narien werden unterschiedliche Varianten eines Prototyps einer SSI-Wallet erstellt. Diese werden anschließend einer expertenbasierten heuristischen Evaluation unterzogen, um erste Schwachstellen zu identifizieren. Im Anschluss erfolgt die eigentliche nutzendeorien-tierte Evaluation im Rahmen von A/B-Testings. Die Ergebnisse dieses Testings werden analysiert und im Kontext der Forschungsfragen diskutiert. Auf Basis dieser Ergebnisse werden Handlungsempfehlungen abgeleitet. Eine Zusammenfassung und der Ausblick runden die Bachelorarbeit ab
Engpassfaktor Personal
No full textDie Stadt New York hat am 15.08.2022 mit der EXECUTIVE ORDER NO. 22 “THE OFFICE OF TALENT AND WORKFORCE DEVELOPMENT” ein eigenes Büro für die Entwicklung des Talente- und Arbeitskräftepotenzials ins Leben gerufen. Damit hat sie den Anspruch formuliert, in einem integrierten Ansatz zwei unterschiedliche Themen miteinander zu verbinden, die für die Entwicklungsfähigkeit und Wahrnehmung einer Kommune von Bedeutung sind. Einerseits soll damit dem kommunalen und regionalen Arbeitskräftemangel begegnet werden und andererseits sollen dadurch langfristige Bildungs- und Beschäftigungsmöglichkeiten für die Menschen und Familien vor Ort entstehen, was sich wiederum positiv auf die Identifikation sowie die Sozialstruktur und Wirtschaftsdaten der Stadt auswirkt. Dabei werden Themen, die typischerweise in unterschiedlichen Verantwortlichkeiten liegen, zusammengeführt. Es geht um die Weiterentwicklung der Bildungslandschaft im Sinne einer regionalen Bildungsplanung (v. a. des sekundären und tertiären Bereichs), damit ein kommunales bzw. regionales Talentemanagement möglich wird, das nicht nur den Unternehmen vor Ort, sondern auch den Bürger:innen zugutekommt. Neben Public-Private-Partnerships mit Unternehmen, Bildungseinrichtungen und Agenturen geht es dabei auch um klassische Beratung und Begleitung im Sinne einer Berufsorientierung für Menschen in unterschiedlichen Karriere- und Lebensphasen, wie beispielsweise die Begleitung von Kindern und Jugendlichen in der Phase K12, was der Zeit vom Kindergarten bis zur Klassenstufe 12 entspricht.
Dieses Good-Practice-Beispiel zeigt, wie die Instrumente der Personal- und Organisationsentwicklung sich positiv auf die zivilgesellschaftliche Kommune als Gemeinschaft von Wirtschaft und Gesellschaft vor Ort auswirken. Dafür muss eine gezielte Nutzung und Weiterentwicklung der bestehenden Netzwerke stattfinden, was eine klare strategische Ausrichtung und entsprechende Ressourcen für die Netzwerk- und Kommunikationsarbeit der Kommune voraussetzt. In New York City wurden dafür beispielsweise spezielle Branchencluster (Gesundheitswesen, Technologie, Fertigung & Industrielle Innovation etc.) definiert, die in die Talenteentwicklung und -förderung integriert werden
Practical Use of AI-Based Learning Recommendations in Higher Education
No full textA Learning Experience Platform (LXP) is an extension of a Learning Management System (LMS) with the emphasis on personalized learning support and learner motivation. In this paper extensions for the well established LMS Moodle are proposed, that include, beyond others, AI supported learning recommendations and user based feedback mechanisms to transform Moodle to Moodle LXP. The architecture of this Moodle LXP provides plug-ins for three types of recommendations, i.e. content-based and two collaborative recommendations. Furthermore, a separate module was developed that is responsible for data storage and calculation of recommended learning resources. Various metadata such as description, number of clicks of learning resources, rating, and feedback of the resources are used for the calculation. The extensions have been integrated into several lectures for three semesters. The system operates effectively and the students use the plug-ins for learning. To learn more about the quality of the recommendations, a mechanism for evaluating the results of the content-based recommendation using feedback from the lecturers was developed
Sensor development for accurate kinematic measurements and robust assessment of balance disturbances during bipedal locomotion in humanoid systems
No full textFor most humanoid robots, falls are the predominant limiting factor affecting their applications and autonomy to move in irregular environmental conditions. A similar susceptibility to falls can also be observed in humans during various daily activities due to balance control deficits or neuromusculoskeletal disorders. Despite the remarkable adaptability of the human locomotor system, as well as recent developments in robotics, balance loss and falls persist. To gain new insights into the complex interactions between bipedal locomotion and balance loss, we linked humanoid robots and humans into humanoid systems and focused on the accurate monitoring of the locomotor segment’s kinematics. This is an essential component for detecting and assessing balance disturbances, thereby improving the robustness during bipedal locomotion. Therefore, this thesis focused on the development of an inertial measurement cluster for direct kinematic measurements of, i.e. omitting numerical differentiation, a mathematical process that greatly amplifies single noise. However, despite the aim to increase the resilience of the bipedal locomotion and thereby reduce the fall risk in humanoid systems, the methods applied in this thesis had to differ in addressing the detection and assessment of balance disturbances. Therefore, the thesis comprises three sets of studies concerning the fields of humanoid robotics, humans, and sensor uncertainty assessment. In the first theoretical study, we introduced the mathematical concept of the inertial measurement cluster with special emphasis on its impact on providing sensory feedback on detected situational loss of balance during bipedal locomotion in humanoid robots. This was achieved through a kinematics-driven framework based on robust inverse dynamics evaluation and the reduction of numerical differentiation in critical terms by directly measuring the angular acceleration vector. Subsequently, we proposed a sensor fusion algorithm to estimate both the magnitude and application line of externally applied forces on robots in theory. In the second set of studies about humans, we addressed the remote detection and assessment of trip and slip events. Therefore, the sensitivity of the proposed wearable sensor-framework system (inertial measurement cluster combined with an evaluation framework) to automatically detect balance disturbances was examined. We were able to automatically assess the balance recovery performance of individuals and resolved the well-known adaptation phenomena to repeated trip-like perturbations. Subsequently, we expanded the functional scope of the wearable sensor-framework system and provided evidence of its high accuracy in detecting and classifying balance disturbances during simulated activities of daily life. In the third set of studies, we established a multi-method framework to provide an experimental angular acceleration reference to objectively quantify the measurement uncertainty of the proposed inertial measurement cluster. Moreover, we confirmed the reference can serve as a measurement standard. Finally, based on the measurement standard, we proposed a concept for an adjustment routine to compensate for the deterministic errors of the inertial measurement cluster and confirmed a measurement uncertainty reduction. In conclusion, we established a sensor suitable for humans and humanoid robots, omitting numerical differentiation, and confirmed its significantly reduced measurement uncertainty. The proposed framework approaches based on the inertial measurement cluster were the key factors for the accurate detection of balance disturbances in humanoid robots as well as humans, highlighted by comparisons to conventional methods based on numerical differentiation. Consequently, the proposed sensor and frameworks have the potential to provide new insights into the causes of balance disturbances or factors that lead to insufficient reactive actions to prevent falls in humanoid robots and humans.Für humanoide Roboter stellen Gleichgewichtsverluste und Stürze eine erhebliche Einschränkung dar, die den autonomen Einsatz in unkontrollierten und sich verändernden Umgebungen begrenzt. Eine ähnliche Anfälligkeit kann bei Menschen mit Defiziten in der Gleichgewichtskontrolle beobachtet werden. Trotz der Anpassungsfähigkeit des menschlichen Bewegungsapparates und der jüngsten Entwicklungen in der Robotik bleibt dieser Bereich eine Herausforderung. Um neue Einblicke in die komplexen Wechselwirkungen zwischen zweibeiniger Fortbewegung und situativem Gleichgewichtsverlust zu gewinnen, fokussieren wir uns auf die präzise Messung der Kinematik von Körpersegmenten. Sie kann eine wesentliche Komponente bei der Erkennung und Bewertung von Gleichgewichtsstörungen sein und somit dazu beitragen, die Resilienz der zweibeinigen Fortbewegung gegen Gleichgewichtsverlust zu erhöhen. Daher haben wir in dieser Dissertation ein Inertial Measurement Cluster entwickelt und validiert, das die numerische Differentiation und damit die starke Verstärkung des Signalrauschens umgeht. Die Dissertation umfasst insgesamt drei Bereiche, die sich jeweils mit der humanoiden Robotik, dem Menschen und der Quantifizierung der Messunsicherheit von Sensoren beschäftigen. In der ersten theoretischen Studie führten wir das mathematische Konzept des Inertial Measurement Clusters ein und legten besonderes Augenmerk auf dessen Auswirkungen auf die sensorbasierte Erkennung von situativem Gleichgewichtsverlust während der zweibeinigen Fortbewegung bei humanoiden Robotern. Dazu entwickelten wir eine robuste inverse Dynamik, die insbesondere numerische Differentiationen durch ein direktes Messverfahren für den Winkelbeschleunigungsvektor ersetzt. Anschließend skizzierten wir die Theorie einer Sensordatenfusion, um sowohl die Größe als auch die Wirkungslinie der von außen auf den Roboter einwirkenden Kräfte abschätzen zu können. Im zweiten Forschungsbereich haben wir uns mit der Erkennung und Bewertung von Stolper- und Rutschereignissen außerhalb des Labors beschäftigt. Zum einen wurde die Auflösegenauigkeit und Reproduzierbarkeit des tragbaren Sensor-Framework-Systems (Inertial Measurement Cluster und Auswerteframework) untersucht. Es konnte gezeigt werden, dass damit eine automatisierte Erkennung und Bewertung der Performance zur Wiederherstellung des Gleichgewichts möglich ist und dass das bekannte Adaptationsphänomen an wiederholte stolperähnliche Störungen nachgewiesen werden kann. Anschließend erweiterten wir die Funktionalität des tragbaren Sensorsystems und erbrachten den Nachweis für eine hohe Genauigkeit bei der Erkennung und Klassifizierung von Stolper- und Rutschereignissen während täglicher Aktivitäten. Im dritten Forschungsbereich haben wir eine experimentelle Winkelbeschleunigungsreferenz zur objektiven Quantifizierung der Messunsicherheit des Inertial Measurement Clusters eingeführt. Darüber hinaus haben wir bestätigt, dass die Referenzquelle genau genug ist, um als Messstandard und Basis für eine Justierroutine zur Kompensation der deterministischen Fehler des Inertial Measurement Clusters zu dienen. Zusammenfassend haben wir einen Sensor etabliert, der für Menschen und humanoide Roboter einsetzbar ist, die numerische Differentiation eliminiert und eine signifikant reduzierte Messunsicherheit im Vergleich zu aktuellen Kinematikmessungen aufweist. Das Inertial Measurement Cluster und die Auswertealgorithmen waren Schlüsselelemente für die präzise Erkennung von Gleichgewichtsstörungen sowohl bei humanoiden Robotern als auch bei Menschen, was durch Vergleiche mit herkömmlichen Sensoren und numerischer Differentiation bestätigt wurde. In Kombination haben der Sensor und die Frameworks das Potential, neue Einblicke in die Ursachen von Gleichgewichtsstörungen oder Faktoren für unzureichende reaktive Handlungen zur Sturzvermeidung bei Menschen und humanoiden Robotern zu liefern
Minimizing Chat-Bot Risks in Telemedical Applications: A Semi-Rule-Based System Approach for Large Language Model (LLM) Interactions in an Outpatient Setting
No full textWe present a patient-centric system integrating Large Language Models (LLMs) into medical applications, focusing on a diverse set of use cases. An initial use case for symptom reporting was explored using natural language, addressing the limitations of traditional questionnaires. This collected data can be analysed by healthcare professionals during visits. Designed within the EU's Medical Device Regulation (MDR), our system incorporates a semi-rule-based approach to guide conversations, ensuring control over the LLM's outputs. With modular architecture and open standards like FHIR, our system supports personalized medicine and future advancements in AI-driven healthcare tools
Proceedings of the Upper-Rhine Artificial Intelligence Symposium 2024
No full textURAI 2024 was hosted by the Institute for Machine Learning and Analytics at Offenburg University on November 13th and 14th. The theme for URAI'24 was "Applied AI in the age of Generative AI"