„Ausgezeichnet!“: Hervorragende studentische Leistungen an der TU Darmstadt

Preise für Abschlussarbeiten digital vorgestellt

18.11.2020

Jedes Jahr im November werden an der TU Darmstadt herausragende Studierende in einer Feierstunde geehrt. Das Präsidium der TU und die Preisstiftenden Datenlotsen GmbH, Dreßler Bau GmbH und Deutscher Akademischer Austauschdienst führen diese Tradition fort, die dieses Jahr jedoch digital stattfindet. Gewürdigt werden sehr gute Bachelor- und Masterarbeiten sowie gesellschaftliches und interkulturelles Engagement.

Datenlotsen-Preis (je 2.500 Euro): Interviews mit den Preisträgerinnen und Preisträgern

Interview mit Sofie Hofmann, Computational Engineering

Interview mit David Meister, Mechanical and Process Engineering

Interview mit Anna Ziegler, Computational Engineering

Elektromagnetische Trackingsysteme ermöglichen es, medizinische Instrumente ohne Sicht in Echtzeit zu lokalisieren. Sie sind daher besonders in minimal invasiven Operationen relevant, zum Beispiel bei endovaskulären Operationen und in der HNO-Chirurgie. Das Problem: Ferromagnetische und andere leitfähige Materialien in der Umgebung der Trackingsysteme führen zu Fehlern in der Lokalisierung, können jedoch in klinischen Umgebungen kaum vermieden werden. Aus diesem Grund müssen Methoden zur Fehlerkorrektur erarbeitet werden. Sofie Hofmann hat in ihrer Bachelorarbeit eine Methode zur Korrektur der Lokalisierungsfehler von elektromagnetischen Trackingsystemen mithilfe von neuronalen Netzen entwickelt.

Um die Methode in verschiedenen Umgebungen zu prüfen, hat sie fünf verschiedene Datensätze erstellt und verglichen: Einen Datensatz gemessen in Laborumgebung und vier Datensätze, bei denen sich das Trackingsystem in unmittelbarer Nähe zu einem Röntgengerät befindet. Dieses Röntgengerät hat ein Stahlgussgehäuse und beeinflusst daher die Genauigkeit der Lokalisierung stark.

Die Ergebnisse zeigen, dass neuronale Netze in der Lage sind, Fehlerkorrekturen von elektromagnetischen Trackingsystemen durchzuführen. In allen Datensätzen werden die ursprünglichen Fehler reduziert. Dies ist besonders im Gesundheitsbereich von großem Nutzen, da Ungenauigkeiten ernsthafte Konsequenzen für den Patienten darstellen können. Wird das neuronale Netz mit den Labordaten trainiert, kann es die ursprünglichen Fehler aller anderen Datensätze reduzieren. Dies bedeutet, Fehler können reduziert werden, ohne die zeitaufwendige Messung von Trainingsdaten.

Radarsensoren sind im Automobilbereich inzwischen unverzichtbar. Sie kommen nicht nur im Bereich des autonomen Fahrens, sondern auch bei serienreifen Fahrerassistenzsystemen wie der adaptiven Geschwindigkeitsregelung auf Autobahnen zum Einsatz. Die zentrale Aufgabe der Sensoren ist dabei die Erkennung von Hindernissen im Straßenverkehr. Man spricht in diesem Zusammenhang häufig auch von „Mehrzielverfolgung“. Die Masterarbeit von David Meister beschäftigt sich mit der Implementierung eines Track-Before-Detect Algorithmus, der eine Mehrzielverfolgung auf Basis von Sensorrohdaten ermöglicht.

Aktuell eingesetzte Verfahren zur Verarbeitung von Radarsensordaten im Automobilbereich nutzen einen Großteil der zur Verfügung gestellten Daten nicht direkt, sondern vereinfachen die Datenstruktur zunächst erheblich. Um den damit einhergehenden Informationsverlust zu vermeiden, nutzt der implementierte Track-Before-Detect Generalized Labeled Multi-Bernoulli Filter das gesamte unverarbeitete Datenspektrum aus.

In seiner Arbeit demonstriert Meister erstmals, dass das implementierte Verfahren mit realen Sensordaten funktioniert. Darüber hinaus liefert er einen Beitrag zur Beurteilung der Güte des am Fachgebiet für Fahrzeugtechnik (FZD) entwickelten Simulationsmodells zur Erzeugung von synthetischen Radarrohdaten, indem er die Ergebnisse der Zielverfolgung mit realen und synthetischen Daten einander gegenüberstellt. Ein solches Simulationsmodell spielt beispielsweise sowohl für die Entwicklung als auch die Überprüfung von autonomen Fahrfunktionen eine entscheidende Rolle.

Die zunehmende Verbreitung von mit dem Internet verbundenen smarten Geräten und cyber-physischen Systemen erfordert neue Herangehensweisen an IT-Sicherheit. Sicheres Device Pairing (SDP) ist ein solches Verfahren. Damit werden zunächst Schlüssel zwischen den Geräten ausgetauscht, die deren zukünftige Kommunikation schützen. SDP erfordert einen Out-of-band-Kanal, um Geräte authentifizieren zu können. Hierfür ist eine gemeinsame Hardwareschnittstelle erforderlich. Sie fehlt vielen Geräten, weswegen bestehende SDP-Methoden nur begrenzt verbreitet sind. In seiner Masterarbeit schlägt Florentin Putz die Nutzung von räumlich begrenzter akustischer Kommunikation für das initiale Pairing vor – eine Option, für die man viele Geräte per Software fit machen kann.

Im Gegensatz zu Wi-Fi oder Bluetooth kann man akustische Kommunikation auf handelsüblichen Geräten in Software implementieren. Hier setzt die Masterarbeit von Putz an. Darin beschreibt er die Nutzung von räumlich begrenzter akustischer Kommunikation für das initiale Pairing. In smarten Geräten ist Audio-Hardware häufig bereits eingebaut, weswegen sein System auch auf unsicheren Geräten nachgerüstet werden kann. Er entwickelte sogenannte Akustische Integrity-Codes (AICs), die zum Schutz der akustischen Kommunikation eingesetzt wurden und zeigte, wie das System gegen Angriffe abgesichert werden kann. Zudem entwickelte Putz einen Prototyp für Android-Smartphones, der zur Demonstration von Pairing zwischen verschiedenen Smartphone-Modellen genutzt werden kann.

Künstliche Intelligenz wird in den Medien und in der Forschung intensiv diskutiert, besonders weil tiefe neuronale Netze inzwischen eine Leistungsfähigkeit erreicht haben, die die menschliche Wahrnehmung bei diversen Aufgaben übertrifft. Gleichzeitig ist es möglich, einen Input in ein gut funktionierendes neuronales Netz leicht oder sogar unsichtbar zu stören. Dieser wird dann mit hoher Sicherheit absichtlich falsch eingeordnet. Diese technisch verzerrten Eingaben zur Täuschung neuronaler Netze werden als „Adversarial Examples“ bezeichnet. In ihrer Arbeit untersuchte Anna Ziegler die Erzeugung von Adversarial Examples und die Verwundbarkeit von neuronalen Netzen.

Die Störung von neuronalen Netzen durch verzerrte Eingaben stellt besonders dann ein schwerwiegendes Problem dar, wenn neuronale Netze bei sicherheitsrelevanten Aufgaben, wie beispielsweise dem autonomen Fahren, eingesetzt werden.

Ziegler befasste sich in ihrer Arbeit damit, die Erzeugung von Adversarial Examples zu demonstrieren. Dazu entwickelte sie zwei verschiedene Ansätze und bewertete sie. Zusätzlich erforschte sie die Ursachen der Verwundbarkeit neuronaler Netze mit Hilfe verschiedener Modelle.

Dreßler-Bau-Preis (je 1.500 Euro): Interviews mit den Preisträgerinnen

Interview mit Charlotte Isabelle Paßkowski, Bauingenieurwesen

Interview mit Victoria Stork, Wirtschaftsingenieurwesen – techn. Fachrichtung Bauingenieurwesen

Charlotte Isabelle Paßkowski hat in ihrer Bachelorarbeit den Durchbiegungsnachweis von Deckenplatten untersucht. Dieser kann indirekt erfolgen oder über eine Berechnung der Verformung – ein Verfahren, das vor allem bei besonderen Anforderungen nötig ist und dann zumeist mit der Finite-Elemente-Methode durchgeführt wird. Diese setzt jedoch ein linear-elastisches Bauteilverhalten voraus, das nicht bei jedem Material gegeben ist. Weiterlesen

Um dennoch die Finite-Elemente-Methode verwenden zu können, werden die Verformungen zumeist im ungerissenen Zustand berechnet und mithilfe von Erhöhungsfaktoren vergrößert. Zur Vereinheitlichung dieses Vorgehens hat Paßkowski verschiedene analytische Berechnungsansätze vorgestellt und unterschiedliche Deckensysteme modelliert. Aus dem Vergleich der Ergebnisse einer ausgewählten analytischen Methode mit denen einer numerischen Berechnung können Erhöhungsfaktoren erarbeitet werden, um das Durchbiegen von Stahlbetondeckenplatten wirklichkeitsnah abschätzen zu können.

Bei Großbauprojekten zählt Kostensicherheit zu den wichtigsten Zielen des Bauherrn. Dennoch treten oft Budgetüberschreitungen und Kostenexplosionen auf. Viktoria Stork hat in ihrer Bachelorarbeit die Kostensteuerung an der Schnittstelle zwischen Planungsphase und Ausführungsphase untersucht. Dazu hat sie die kostenrelevanten Inhalte der entsprechenden Regelwerke einander gegenübergestellt und die aus den Leistungsbereichen resultierenden Verantwortungen der einzelnen Projektbeteiligten herausgearbeitet. Auf dieser Grundlage hat sie untersucht, wie Beteiligte in der Praxis mit der aus der Überschneidung von Planung und Ausführung resultierenden Kostenkontrolllücke umgehen müssen, um dennoch eine möglichst hohe Kostensicherheit zu gewährleisten. Weiterlesen

Stork hat die Kosten nach Ausführungsarten ermittelt und die daraus resultierenden vertraglichen Verpflichtungen analysiert. Da diese Kostenermittlung in keinem Leistungsbild als Grundleistung verankert ist, muss sie als Besondere Leistung durch den Bauherrn oder die Bauherrin beauftragt werden. Hierbei stehen die Projektsteuernden in einer Beratungspflicht.

Daraus wird ersichtlich, dass die Projektsteuernden auf die Kosteninformationen der Planenden angewiesen sind. Um dennoch eine vom Planenden unabhängige Handlungsempfehlung für die Projektsteuernden zu geben, führt Stork eine Untersuchung über ein effizientes EDV-gestütztes Kostenverfolgungs- und Kostensteuerungsprogramm durch. Sie kommt zu dem Ergebnis, dass für eine hohe Kostensicherheit eine erweiterte Kostenermittlung durch die Planenden und eine effiziente Kostensteuerung durch die Projektsteuernden erforderlich ist. Diese wird am besten mit Hilfe von datenbankbasierten Systemen erreicht.

DAAD-Preis 2020 geht an Bachelorstudenten Alae Mrani

Mehr erfahren