IoT-Demonstrator zur Ermittlung von Fahrgaststr枚men
Projektziel ist die Gewinnung belastbarer Daten zur Verbesserung des 脰PNV-Netzes.
Bedingt durch die Corona-Pandemie haben sich in den letzten Jahren sowohl die Fahrgastzahlen als auch die Fahrgaststr枚me im 脰PNV stark ver盲ndert. Bisherige L枚sungen zur Ermittlung der Auslastung der einzelnen Verkehrsmittel sind entweder wartungs- oder kostenintensiv. Genau hier setzt dieses Projekt an. Das Projektteam hatte die Aufgabe, einen IoT-Demonstrator zu entwickeln, der das Passagieraufkommen an Haltestellen und in Verkehrsmitteln kosteng眉nstig und m枚glichst pr盲zise ermittelt. In Folgeprojekten soll daraus dann ein System f眉r den realen Einsatz entstehen.
Erfassung von Geb盲ude- und Raumdaten f眉r KI-Anwendungen
In Zusammenarbeit mit dem Augsburger Startup credium GmbH ( https://www.credium.de/) wurde in diesem Projekt eine mobile App f眉r Android und iOS zur Verwaltung von Geb盲ude- und Raumdaten entwickelt. Diese Anwendung kann als sp盲tere Grundlage f眉r ein Consumer Product dienen, das sowohl Privatpersonen als auch gewerblichen Interessenten die Erfassung von Geb盲ude-und Raumdaten erm枚glicht, sowie deren Auswertung mittels von KI-Anwendungen von credium.
Organic Production Systems
Multi-Agenten Reinforcement Learning f眉r den optimalen Durchlauf von Werkst眉cken durch eine Produktionsanlage
Organic Production Systems听ist eine Weiterentwicklung aus IoT-Systemen und Cyber-physischen Produktionssystemen (CPPS). Durch den Einsatz verteilter, intelligenter Software (Softwareagenten) sowie Verfahren der Data Science kann eine bessere Skalierbarkeit und Robustheit dieser Systeme erreicht werden. An der CPPS-Modellanlage der Distributed Systems Group k枚nnen aktuelle Verfahren f眉r Organic Production Systems und Smart Internet of Things erforscht und prototypisch umgesetzt werden.
