1194 research outputs found
Sort by
Nabu - Chatbot-Assistent für Ausbildungszwecke (BA)
Get PDFProblemstellung:
Chatbots sind ein immer weiter verbreitetes Mittel, um Nutzern das schnellere Erlernen eine Applikation, einfacheren Zugriff auf Informationen sowie eine natürlichere Interaktionserfahrung zu ermöglichen.
Diese Arbeit soll untersuchen, ob eine prototypische Implementation eines solchen Chatbots inklusive der notwendigen Umgebung auch für einen Hochschulkontext möglich ist. Studierende sollen über den Chatbot schneller und einfacher Zugriff auf wichtige Informationen erhalten, insbesondere auf fachliche und organisatorische Daten zu Vorlesungen.
Ziel der Arbeit:
Ziel dieser Arbeit ist die Implementation eines Chatbots zur Unterstützung des Lernprozesses, der sich nach den Bedürfnissen der OST richtet. Dieser Chatbot soll zweierlei Aufgaben übernehmen können:
- Die Beantwortung von fachlichen Abfragen zu Unterrichtsmaterial unter Angabe von Quellen
- Das Bereitstellen von administrativen Informationen zu Ereignissen wie Testat-Abgaben oder Prüfungsterminen
Zur Nutzer-Interaktion mit dem Chatbot sind Client-Applikationen nötig, die ein Chat-Interface zur Verfügung stellen. Diese sollen ebenfalls im Rahmen dieser Arbeit erstellt werden.
Darüber hinaus soll eine Umgebung zur Verfügung gestellt werden, welche Dozierenden das Erfassen von Informationen aus Vorlesungsunterlagen und das Bereitstellen im Chatbot erlaubt, damit sie abgefragt werden können.
Ergebnis:
Primäres Resultat der Arbeit ist ein funktionstauglicher Chatbot, genannt Nabu, der fachliche und administrative Anfragen zu Vorlesungen beantworten kann. Die zugrunde liegende Technologie ist MindMeld, ein auf Machine-Learning basierendes Konversations-Framework von Cisco, das in Python geschrieben und als Open-Source-Software verfügbar ist.
Zu diesem Chatbot gehört eine vollständige Daten-Pipeline, welche die Erfassung von Informationen aus Vorlesungsunterlagen im Keyword-Verfahren sowie von organisatorischen Daten zu wichtigen Terminen erlaubt.
Zusätzlich wurden zwei Chatbot-Frontends erstellt: Das eine ist in Moodle, die von der OST verwendete Learning-Management-Plattform, integriert. Beim anderen handelt es sich um einen Bot für die Messenger-Applikation Telegram. Über diese Clients können die erfassten Daten abgefragt werden.
Obwohl grundsätzlich voll funktionsfähig, mangelt es der Applikation noch an einigen sicherheitsrelevanten Aspekten, weswegen sie noch nicht zum unmittelbaren Deployment bereit ist
Kommunikationsplattform für Menschen mit besonderem Unterstützungsbedarf
Get PDFDie Digitalisierung ist in vollem Gange und macht auch vor Arbeitsstätten und Wohnheimen von Menschen mit besonderem Unterstützungsbedarf nicht halt. Viele Institutionen erkennen darin die Chance, ihrer Bewohnerschaft neue Möglichkeiten zu mehr Selbständigkeit und Selbstbestimmung zu eröffnen.
Systeme wie Social Media, E-Banking oder elektronische Fahrpläne gehören bereits zum digitalen Alltag. Auf der Suche nach einer digitalen Kommunikationsplattform, die speziell auf Menschen mit besonderem Unterstützungsbedarf ausgerichtet ist, bleiben die Institutionen jedoch erfolglos. Die vorliegende Arbeit
dokumentiert die Erarbeitung eines solchen Systems.
In Design-Thinking-Workshops werden mit Hilfe von Interviews die Bedürfnisse der Zielgruppe zu jeweils einer vom Team vorgeschlagenen Design Challenge abgeklärt und aufgenommen. Design Studios kommen zum Einsatz um Design-Vorschläge zu erarbeiten, die dann als Vorlagen für Figma Prototypen dienen. In die Prototypen fliessen immer auch die Erkenntnisse aus den Tests der vorherigen Iterationen mit ein. Die erarbeiteten Lösungen werden mit Usability Tests direkt vor Ort mit jeweils sechs bis acht Usern verifiziert.
Insgesamt werden fünf Design-Thinking-Iterationen durchgeführt. Der agile Projektverlauf wird durch den Einsatz einer User Story Map unterstützt. Als Endergebnis entsteht ein Design für ein minimal funktionsfähiges Produkt (Minimum Viable Product – MVP) einer Kommunikationsplattform, das der Zielgruppe gerecht wird.
Die Arbeit bringt ausserdem folgende Ergebnisse hervor:
– Eine User Story Map, die neu hinzugekommene oder aus zeitlichen Gründen nicht behandelte funktionale Anforderungen als Storys dokumentiert. Sie diente der transparenten Kommunikation des Projektfortschritts und als wertvolles Planungsinstrument.
– Figma Prototypen in mittlerer Wiedergabetreue (mid fidelity) für die behandelten Funktionen, inklusive mit Usern verifizierte GUI-Komponenten und Interaktionsmustern.
– Design-Richtlinien, die primär für die konsistente Weiterentwicklung der Kommunikationsplattform eingesetzt werden können und zusätzlich der HCID-Community als Grundlage für neue Applikationen für Menschen mit besonderem Unterstützungsbedarf dienen.
Abschliessend werden Handlungsempfehlungen für die Auftraggeberin dargelegt
Kraken - Ein Mediator für Datenkonflikte in der Netzwerkverwaltung
Get PDF[Einleitung]
Netzwerke zu verwalten war und ist oft noch mühsame Handarbeit. Doch auch die Netzwerkwelt ist der Automatisierung unterworfen, mit dem Ziel, dass sich Netzwerke ähnlich wie Software programmieren lassen. Zu diesem Wandel gehört auch die Netzwerkverwaltung. Heute sind es häufig händisch gepflegte Textdateien, die den Zustand des Netzwerks abbilden - eine Quelle für Fehler, Inkonsistenzen und Unübersichtlichkeit. Eine sogenannte "Single Source of Truth" (SSoT) soll im Automatisierungszeitalter Abhilfe schaffen: Ein einziges Inventar, das alle Netzwerkinformationen als strukturierte Daten zentral an einer Stelle verwaltet. Existierende Lösungen versprechen bereits eine solche SSoT. Doch im Arbeitsalltag gibt es selten ein Inventar mit alleinigem Anspruch an die Informationshoheit. Gerade in grossen Netzwerken existieren parallel solche Inventare, die für sich verbindliche Datenquellen sind, und überlappend diese "Single Source of Truth" darstellen.
[Ziel]
An diesem Punkt setzt die vorliegende Arbeit an: Gibt es mehrere, voneinander unabhängige SSoT-Inventare, ist das Problem der inkonsistenten Daten wieder da. Eine Applikation soll Daten von diesen verschiedenen Inventaren sammeln, auf ein gemeinsames Format bringen, sie vergleichen und Inkonsistenzen beheben. Als Resultat liefert die Software den Zustand des kompletten Netzwerkes, wie es die Inventare abbilden. Ziel ist, bestehende SSoT-Inventare nicht abzulösen, sondern vielmehr das fehlende Gesamtbild zu liefern - eine vergleichbare Lösung auf dem Markt gibt es noch nicht.
[Ergebnis]
Kraken ist im Kern eine Python-Applikation, die auf Basis des Data-Engineering im Netzwerkbereich Daten zusammenführt und aufbereitet. Sie lässt sich über die Kommandozeile oder als Web-Applikation bedienen. Kraken kann sich über APIs auf zwei Typen von SSoT-Inventaren verbinden, um deren Daten abzufragen. Von einem Inventar-Typ ist es auch möglich, die Daten offline einzulesen. Neben allen Daten kann auch ein Subset bezogen werden (Filterfunktion), beispielsweise nur Geräteinformationen, die zu einem gewissen Standort gehören. Kraken normalisiert die geholten Daten auf eine eigens entwickelte Datenstruktur, erkennt Differenzen und löst diese auf. Dies geschieht auf zwei Varianten: Entweder automatisch über eine interne Logik von Kraken, oder manuell gesteuert von der Nutzerin über die Web-Applikation. Für den zweiten Fall generiert Kraken zuerst einen Konfliktreport, der alle gefundenen Differenzen speichert. Er kann jederzeit abgerufen werden, um daran weiter zu arbeiten. Sind alle Differenzen geklärt, erzeugt Kraken aus all den Daten eine End-Konfiguration - das Gesamtbild des Netzwerkes. Für eine künftige Weiterentwicklung muss vor allem die Datenstruktur überarbeitet werden, auf die Kraken die Daten normalisiert: Sie erschwert, neue Systeme an Kraken anzubinden oder die Struktur selbst zu erweitern. Ausserdem holt Kraken zwar Daten von den SSoT-Inventaren, synchronisiert die Daten jedoch nicht zurück. Eine weitere Ergänzung wäre also, dass Kraken die End-Konfiguration auch auf die Inventare zurückschreiben könnte, um dort Fehler zu korrigieren
TruTops Calculate meets UX
Get PDFTruTops Calculate ist eine Kostenkalkulationssoftware der Firma TRUMPF, welche dazu dient, Offerten basierend auf Material- und Produktionskosten zu erstellen. Die Software ist zwar über die letzten zehn Jahre um zahlreiche Funktionen erweitert worden, bei der Weiterentwicklung stand die Benutzerfreundlichkeit jedoch nicht im Vordergrund. Dies führte dazu, dass die Software heute überladen und teilweise schwierig zu bedienen ist. Das Ziel dieser Masterarbeit besteht darin, das heutige User Interface von TruTops Calculate von Grund auf neu zu konzipieren. Dabei sollen die Bedürfnisse des Nutzers mittels nutzerzentrierter Methoden wie kontextbezogener Beobachtungen, Interviews und Usability-Testings untersucht werden. Daraus soll eine intuitive und vereinfachte Benutzeroberfläche für die TruTops-Calculate Software abgeleitet werden. Dabei gilt es, die visuelle Wiedererkennbarkeit der Firma TRUMPF beizubehalten und auf den existierenden Design-Guidelines aufzubauen. Um diese Ziele zu erreichen, wird nach dem Usability Engineering Lifecycle von Deborah Mayhew vorgegangen. Die Analysephase bestätigt, dass TruTops Calculate von den Nutzern als komplex und teilweise unübersichtlich wahrgenommen wird. Zudem zeigt sich, dass die User-Journey lückenhaft ist. Durch die gewonnenen Erkenntnisse wird ein grundlegend neues Designkonzept entwickelt, das konsequent auf die Nutzerbedürfnisse abgestimmt ist. Das neue Designkonzept übernimmt die mentalen Modelle der Nutzer, beispielsweise die Handhabung des Kalkulationsscreens. Der Einstieg in das TruTops Calculate wird mittels eines Dashboard-Ansatzes vereinfacht und bietet durch die Anfrage-Vorschau sowie die Auslastungs-Grafik einen Mehrwert für den Nutzer. Darüber hinaus wird das visuelle Erscheinungsbild aufgewertet und dem Markendesign von TRUMPF angeglichen. Das neu gewonnene Wissen rund um die Bedürfnisse und Arbeitsweise der Nutzer kann somit als Grundlage genommen werden, um die Weiterentwicklung von TruTops Calculate voranzutreiben
Project Manager Game weiterprogrammieren
Get PDF„PM Game“ ist eine interaktive Lernsimulation, welche in einer Studienarbeit an der Ostschweizer Fachhochschule (OST) entwickelt wurde. In dieser Bachelorarbeit wurde die Software weiterentwickelt und optimiert. Die Applikation richtet sich in erster Linie an Studenten des Moduls Projekt- und Qualitätsmanagement (PmQm) an der OST und dient dazu, die in der Vorlesung erlernten Inhalte in einem simulierten IT-Projekt zu üben. Die Studierenden werden so spielerisch ins Thema Projektmanagement eingeführt und können die Auswirkungen ihrer Entscheide als Projektleiter mitverfolgen.
Bis auf eine User Story wurden alle Anforderungen des Projekts erfüllt. Die neuen Funktionen umfassen unter anderem ein umfangreicheres Risikomanagement sowie ein Messaging System. Auch die nicht-funktionalen Anforderungen wurden grundsätzlich erfüllt. So wurde die bestehende Applikation von Grund auf überarbeitet um eine bessere Performance zu ermöglichen und die Wartbarkeit der Software zu verbessern. Die Software wurde dann in mehreren Live Tests getestet und weiter verbessert.
Ebenfalls wurde untersucht, ob durch den Einsatz von „PM Game“ auch tatsächlich ein Wissensaufbau bei den Studierenden stattfand. Bei einer Befragung der am Live Test beteiligten Studenten gaben gut 60 % an, dass durch die Verwendung von „PM Game“ ein Lernvorteil erzielt werden konnte.
In einer Analyse wurden ausserdem Vorschläge ausgearbeitet, welche umgesetzt werden sollten, damit die Applikation auch für externe Trainingsdienstleitungen an Schulen und Unternehmen angeboten werden kann
SR-App Analytics
Get PDFInitial Situation:
With the emergence of the segment routing technology and the development of the "Jalapeño" data collection framework by Cisco, there are many opportunities for application development that offer a benefit to network engineers and network operators. By using the network data provided by the framework, a variety of different features and use cases may be implemented. The field of application of those so-called SR-Apps is huge and can be anything from basic monitoring functionality to in depth analytics of load distribution and simulation of network changes.
This thesis focuses on the development of an application in the field of analytics to provide information about the general network health state and link saturation in case of topology changes.
Approach / Technology:
It was decided to build the application using a monolithic architecture with ASP.Net Core, because this is what the development team is most familiar with. The programming languages chosen are C# for the backend and JavaScript for client-side functionality, along with HTML and SCSS for markup and styling.
For the client-server communication the web socket library SignalR (C#) was chosen.
To be able to display a map of a network in the web browser a graph visualization library was required. Different such libraries and toolkits were considered and compared before the library vis.js was chosen. It offers many features, its documentation is clear and easy to use and the community seems quite active.
After having implemented a rudimentary UI prototype that was capable of displaying the topology, the focus was switched to the business logic.
In order to calculate of the link saturation in case of topology changes, the traffic between any two routers had to be redistributed on the network. This is possible thanks to the traffic matrix provided by the SR protocol. The traffic matrix contains information on how much traffic flows between any two SR routers.
Since traffic in a SR network flows along the shortest paths, the Dijkstra algorithm was implemented to calculate them. Afterwards, a custom algorithm was implemented to redistribute the traffic along those paths and with that, calculate the saturation of each link in the topology.
The final step, now that the core business logic was implemented, was to improve the UI and adding some additional features.
Result:
The application built during this thesis covers all requested features and use cases. It is scalable for topologies consisting of up to one thousand routers. The response time for a topology change (until the UI displays the updated topology with the recalculated link saturation) is less than six seconds with the hardware at hand (Quad Core Multithreaded CPU at 4GHz on the server)
Angewandte Digitalisierung: Skalengenerator (Folgearbeit)
No full textIm Rahmen der vorangegangenen Studienarbeit wurde ein Skalengenerator entwickelt, um analoge Druck-anzeigen (Skalen) zu generieren. Dieser Skalengenerator beschränkte sich auf einen Skalentyp und be-herrschte nicht alle gewünschten Funktionen. Um diese Funktionen erfüllen zu können und den Skalenge-nerator für die ganze Produktpalette einsatzbereit zu machen, wurde ein neues, flexibleres Design ange-strebt. Im neuen Design kommt ein Template zum Einsatz mit welchem eine Vielzahl von Skalentypen definiert und konfiguriert werden können. Das Template teilt eine Skala in ihre Bestandteile wie Textdefini-tionen oder Anzeigendefinitionen ein. Dadurch werden verschiedenste Typen von Skalen möglich. Durch die vielfältige Kombination der Template Parameter können beinahe unendlich viele Skalentypen erstellt werden. Zusätzlich wurde die Möglichkeit geschaffen, einen Parameter als Variable zu markieren. Diese können im Frontend individuell konfiguriert werden. Das erlaubt dem Anwender einen Skalentyp zu defi-nieren, welcher noch Freiheitsgrade besitzt, die von weniger technisch versierten Personen im Frontend angepasst werden können. Die Generatorkomponente wurde dahingehend angepasst, dass sie mit dem neuen Template-Format umgehen und in Zukunft einfacher durch neue Funktionen erweitert werden kann. Die Umgestaltung der bestehenden Software erlaubt es der Trafag AG nun, im Zuge ihrer Digitalisierung, eine breitere Auswahl ihrer Produkte mithilfe des Skalengenerators zu entwerfen. Zusätzlich ist die Soft-ware für eine Erweiterung der Logik vorbereitet, was es einfacher macht die Applikation in andere Prozesse einzubinden. Durch die lose gekoppelte Architektur können auch einzelne Komponenten unabhängig ver-wendet werden und in grössere Umsysteme integriert werden
JetBot - Präsentationsumgebung für angewandte Machine Learning Probleme
Get PDFDiese Arbeit, welche auf der Studienarbeit «JetBot Autonomes und fortlaufendes maschinelles Lernen» basiert, hat zum Ziel, neu angehenden Studierenden, die noch am Beginn ihrer Ausbildung stehen, Einsatzfelder im Bereich Künstliche Intelligenz näher zu bringen. Um diese möglichen Einsatzfelder interaktiv und ansprechend darzustellen, wird ein Roboter verwendet, der auf einem Nvidia Jetson Nano Developer Kit basiert und durch weitere Komponenten wie drei Ultraschallsensoren und einem Mikrocontroller ergänzt wurde. Das Fahrgestell des Roboters basiert auf einem 3D Modell, das für die zu lösenden Anwendungen optimiert wurde.
Die folgenden Probleme können von dem Roboter autonom gelöst werden:
- Erkennen eines Objekts oder einer Person (Object Detection, ML)
- Erkennen einer Kollision (Collision Avoidance, ML)
- Autonomes Abfahren von mehreren zusammenhängenden Räumen (algorithmische Pfadfindung)
Durch das Kombinieren dieser drei Subkomponenten kann der Roboter als eine Art «Rescue-Search-Roboter» eingesetzt werden. Das Projekt kann in einer Testumgebung für Präsentationen und Infoveranstaltungen genutzt werden. Die Object Detection basiert auf dem SSD MobileNetV2 Modell und die Collision Avoidance auf dem AlexNet.
Durch die stark eingeschränkten Hardware-Eigenschaften, wie zum Beispiel die 4 GB Arbeitsspeicher, musste stark darauf geachtet werden, wann welches Modell verwendet wird und welche Probleme algorithmisch oder mittels Machine Learning gelöst werden.
Die entwickelte Web-App kann zudem verwendet werden, um Pfadfindungsprobleme in der Theorie zu simulieren, um Detailinformationen zu einzelnen realen Roboter-Ausführen zu erhalten oder um die Theorie genauer zu erläutern
P2P Library in Golang (BA)
Get PDFTomP2P ist eine Peer to Peer (P2P) Library, die eine Distributed Hash Table (DHT) für verteilte Anwen-dungen bereitstellt. Die Realisierung der Library in der Programmiersprache Java und die Verwendung des Internetprotokolls TCP verlangsamen die Applikation. Im Gegensatz dazu, bietet das neue QUIC-Protokoll mit seinem intelligenten Congestion Control Algorithmus eine performantere und auf die heu-tigen Anforderungen zugeschnittene Alternative. Sie ist allerdings wegen ihres breiten Anwendungs-spektrums sehr komplex. Entwickelt werden soll deshalb ein auf UDP aufbauendes Protokoll, das die Zuverlässigkeit von TCP sicherstellt und zur Congestion Control den «Bottleneck Bandwidth and Round-trip propagation time» (BBR) Algorithmus von QUIC verwendet. Für die sichere Übertragung der Daten von P2P soll das Noise-Framework zum Einsatz kommen.
Zu Beginn wurde basierend auf dem UDP-Protokoll ein Automatic Repeat reQuest (ARQ) Protokoll in der Entwicklungsumgebung Goland realisiert. Parallel dazu wurde eine Testumgebung aufgebaut, welche die Implementation integral auf die Standard- und Spezialfälle hin testet. Die Continuous Integration (CI) erfolgte auf einer virtuellen Maschine der OST mit Gitlab CI. Im späteren Verlauf wurde die für die BBR unverzichtbare Delivery Rate Estimation entwickelt. Die Korrekheit wurde anschliessend auf dem Internet mithilfe von GCloud getestet und interaktiv verbessert. Gegen Ende wurde die Security mit dem Noise-Framework realisiert.
Die entwickelte Lösung erlaubt eine sichere, performante und zuverlässige Kommunikation zwischen mehreren Peers
ETIM Klassifikation mit ML-Approach
Get PDFDas ETIM Klassifikationsmodel setzt sich auf dem internationalen Markt immer mehr durch. Die ETIM Klassifikation vereinfacht einerseits den Datenaustausch zwischen Händler und Hersteller und andererseits die Klassifizierung der Produkte. Die Geberit AG nutzt diesen Standard für ihren Produktekatalog und die Klassifizierung wird manuell durch einen Sachbearbeiter vorgenommen.
Das Ziel der Arbeit ist die Entwicklung und der Vergleich von zwei Verfahren zur automatischen Bestimmung der ETIM Klasse auf der Basis von maschinellem Lernen.
Der Erfolg der Arbeit beruht auf der richtigen Verwertung der von Geberit zur Verfü-gung gestellten Produktdaten. Auf Grund der Analyse wurden zwei Ansätze entwickelt, um die ETIM Klassifizierung zu erlernen.
One-Hot-Encoding:
Die Daten werden für das Trainieren auf einem Deep Neural Network One-Hot-Encoded. Um die Anzahl Dimensionen des Netzwerks möglichst klein zu halten, wird anhand des Bayes Errors die optimale Spaltenkombination ermittelt. Auf dieser Auswahl wird ausserdem ein Lookup Table erstellt, um eindeutige Datensätze direkt zu klassifizieren.
Textembedding:
Viele der Spalten weisen einen grossen Anteil an deutschem Text auf. Es wird mit der fastText Library ein Textembedding trainiert, welches die Artikel den jeweiligen ETIM Klassen zuordnet.
Nach der Optimierung dieser zwei Ansätze stellt sich heraus, dass der textbasierte fastText Algorithmus genauere Resultate liefert. Mit dem fastText Model wird auf dem vorab abgetrennten finalen Testset eine Top-1-Accuracy von 0.961 und eine Top-3-Accuracy von 0.982 erreicht.
Die höhere Accuracy ist auf die bessere Verwertungder Spaltentexte zurückzuführen, weil dasTextembedding die Nähe zweier verschiedener Werteabbilden kann, während beim One-Hot-Encoding alle unterschiedlichen Werte äquidistant sind.
Die Empfehlung ist, die drei wahrscheinlichsten Klassen des fastText Top-3-Algorithmus zu präsentieren und die finale Entscheidung einem Benutzer zu überlassen