Thesis / Praktikum

Betreuung durch Karin Anna Hummel.

Thesis / Praktikum

Betreuung durch Karin Anna Hummel.

Design Research zu Artefakten für Kommunikation, Zusammenarbeit und Koordination

Thesis / Praktikum

Betreuung durch Gabriele Kotsis.

Thesis / Praktikum

Betreuung durch Karin Anna Hummel.

Leistungsanalyse verteilter und mobiler Systeme, Web-Architekturen, Ad-hoc-Netzwerke, …

Thesis / Praktikum

Betreuung durch Gabriele Kotsis.

Machbarkeitsstudien zum Einsatz mobiler Technologien in Anwendungsbereichen wie Kunst, Medizin oder Bildung

Thesis / Praktikum

Betreuung durch Gabriele Kotsis.

Thesis / Praktikum

Betreuung durch Karin Anna Hummel.

MARL coordination

Dieses Projekt zu Koordinierungssprachen wie Linda für Multi-Agent Reinforced Learning (MARL) zielt auf das Ausnutzen von Tupel-basierten Koordinationsmodellen zur Verbesserung der Kollaboration und Kommunikation zwischen Agenten. Durch die Integration von Linda-ähnlichen koordinationsmechanismen in MARL versucht das Projekt die Erstellung einer strukturierten und flexiblen Umgebung, in der Agenten effizient Zustandsinformationen tauschen, Aktionen synchronisieren und gemeinsam Ziele erreichen. Diese Herangehensweise zielt auf die größten Herausforderungen in MARL wie dem Reduzieren von Kommunikationsoverhead, Sicherstellung von Skalierbarkeit und Verbesserung der Robustheit des Systems. Das große Ziel ist die Entwicklung von effizienteren und besser skalierbaren Multi-Agentensystemen, die komplexe Aufgaben in dynamischen Umgebungen lösen, zB. Robotik, Smart Grids und generell kollaborativ lösbare Problemstellungen.

Multi-Agenten Reinforcement learning für die Verkehrskontrolle

Entwickle ein Verkehrskontrollsystem unter Verwendung von Multi-Agenten Reinforced Learning, wo intelligente Agenten Verkehrsampeln kontrollieren um den den Verkehrsfluss zu optimieren, Staus zu vermeiden und allgemein die Transporteffizienz erhöhen.

Verteiltes Bilderkennungsnetzwerk

Entwickle ein verteiltes Bilderkennungsnetzwerk, in dem mehrere Maschinen bei der Verarbeitung und Analyse von großen Mengen an Bildern kollaborieren. Jede Maschine kann sich auf einen Muster im Bild oder ein Objekt spezialisieren.

Energieoptimierung in Smart Grids

Baue ein machine-learning System zur Optimierung des Energieverbrauchs in einem Smart Grid. Geräte im Grid können kollaborieren, um den Bedarf vorherzusagen, den Einsatz erneuerbarer Energie zu verwalten und die Last effizient zu verteilen.

Multi Roboter Erkundung in unbekannten Umgebungen

Entwickle ein Multiroboter System, in dem Roboter kollaborieren um eine Unbekannte Umgebung zu erkunden und zu kartieren. Verwende machine-learning Algorithmen für das Planen des Wegs, Hindernisvermeidung und Informationsaustausch.

Dynamische Ressourcenzuweisung in Cloud Computing

Entwickle ein System zur dynamischen Ressourcenzuweisung in einer Cloud Computing Umgebung. Rechner können kollaborieren um arbeitslastbasiert die Ressourcenzuweisung zu optimieren, was die allgemeine Systemleistung verbessert.

Betreuung durch Gabriele Kotsis / Ismail Khalil.

Gestenerkennung für Mensch-Maschine Kollaboration

Entwickle ein System, das Menschen die Kommunikation mit Maschinen mittels Gesten ermöglich. Trainiere ein Machine-Learning-Modell zum Erkennen und Interpretieren verschiedener Handgesten um die nahtlose Kollaboration zwischen Mensch und Maschine zu ermöglichen.

Mensch-KI Kollaboration bei der Bildbearbeitung

Entwickle ein Bildbearbeitungsprogramm, das menschliche Kreativität und KI-Assistenz kombiniert. Trainiere ein Modell mittels maschinellem Lernen um Benutzereingaben zu Verstehen und basierend darauf Hinweise für den Bildbearbeitungsprozess zu liefern um die Kollaboration intuitiv zu gestalten.

Human-Machine Cooperation in Autonomous Vehicles
Develop a system for autonomous vehicles that integrates human input for decision-making. Explore scenarios where humans and AI collaborate to enhance safety and efficiency in navigation.

Mensch-Maschine Kooperation in Autonomen Fahrzeugen

Entwickle ein System für autonome Fahrzeuge, das menschliche Eingaben in seiner Entscheidungsfindung einbezieht. Erforsche Szenarien, in denen Mensch und KI zusammenarbeiten, um die Sicherheit und Effizienz in der Navigation zu verbessern.

Verkehrsfluss mittels vorhersage mittels maschinellem Lernen

Baue ein Modell zum maschinellen Lernen, das basierend auf historischen Daten, Wetterverhältnissen und Ereignissen Muster des Verkehrsflusses vorhersagt. Das System kann bei der Optimierung des Verkehrsmanagements helfen und Navigationsempfehlungen in Echtzeit liefern 

Sprachübersetzung mit KI Unterstützung

Erzeuge ein Sprachübersetzungssystem das menschliche Eingaben mit den Möglichkeiten von maschinellem Lernen kombiniert. Trainiere das Modell um Kontext und Benutzervorlieben zu verstehen um Genauigkeit und Natürlichkeit von Übersetzungen zu verbessern.

Betreuung durch Gabriele Kotsis / Ismail Khalil.

Kollaboratives Entscheidungsunterstützungssystem

Entwickle ein Entscheidungsunterstützungssystem, das Eingaben mehrerer Anwender einbezieht und unter Verwendung von Algorithmen zum maschinelles Lernen begründete Vorschläge und Empfehlungen gibt. Das könnte Anwendung finden in der Gruppen-Entscheidungsfindungsszenarien.

Kommunikations Plattform mit Unterstützung zum Einbezug von Emotionen

Entwickle eine Kommunikationsplattform, die mit Gesichtserkennung und Erkennung natürlicher Sprache auf die Emotionen des Benutzers reagiert. Das kann die Onlinezusammenarbeit verbessern indem Kommunikationsstrategien auf Hinweise auf den emotionalen Zustand gewählt werden.

Gruppenbasierte Lernanalyse

Implementiere ein Lernanalysesystem das den Fortschritt eines Individuums in einer Gruppenlernumgebung aufzeichnet. Verwende maschinelles Lernen um Muster zu erkennen und personalisiertes Feedback für jedes Mitglied der Gruppe zu geben.

KI unterstützte Gruppenfitness App

Erstelle eine Fitness App, die Workouts in der Gruppe ermöglicht, indem KI-unterstützt Übungen basierend auf dem Fitnessniveau und den Vorlieben der Teilnehmer erstellt oder gewählt werden. Das System könnte die Übungen dynamisch, basierend auf Echtzeitfeedback wählen.

Kollaborative Playlist Erzeugung

Entwickle ein System zur Erzeugung von Musikplaylisten, das die Eingaben mehrerer Benutzer berücksichtigt und kollaboratives Filtern einsetzt um Playlists zu erstellen, die den Vorlieben der ganzen Gruppe entsprechen.

Betreuung durch Gabriele Kotsis / Ismail Khalil.

Thesis / Praktikum

Betreuung durch Karin Anna Hummel.

Prototypische Entwicklung und Bewertung kollaborativer Systeme

Thesis / Praktikum

Betreuung durch Gabriele Kotsis.

Thesis / Praktikum

Betreuung durch Karin Anna Hummel.

Rene Gabner

Betreut von Karin Anna Hummel

Johannes Mittendorfer, Betreut von Karin Anna Hummel

Manuela Pollak

Betreut von Karin Anna Hummel, Co-Betreuung durch Gabriele Kotsis

Markus Hiesmair, Betreut von Karin Anna Hummel

Kai Knabl, Betreut von Karin Anna Hummel, Co-Betreuung durch Prof. M. Sonntag

Alexander Ritt, betreut von Karin Anna Hummel