30 September, 2020
Johannes Maucher

AI & Data Science Projekte
Kick-Off Wintersemester 20/21

Event Hero Image

Icons by Darius Dan CC BY 3.0


Die Kick-Off Events werden Online durchgeführt!

Liebe Studierende, auch dieses Semester bieten wir Ihnen wieder spannende Projekte im Bereich AI & Data Science an. Eigene Ideen sind selbstverständlich ebenfalls möglich und sehr willkommen.


Die Projektvorschläge richten sich in erster Linie an Studierende höherer Semester mit Vorerfahrung und bereits vorhandenen Kenntnissen in der KI. Themen können auch studiengangsübergreifend bearbeitet werden, sofern Sie die Voraussetzungen erfüllen und Ihre SPO einen fachfremden Import zulässt. Bitte informieren Sie sich hierzu bereits im Vorfeld bei den Ansprechpartnern Ihres Studiengangs (Studiendekan, Prüfungsverwaltung) sowie den Projektbetreuern.


Projektvorschläge Wintersemester 20/21 - MI / MMB / CSM

Kick-Off Termin: Do. 08. Oktober 2020 um 13:15 Uhr - Online.

Um den Konferenz-Link zu erhalten schreiben Sie eine kurze Email an: theodoridis@hdm-stuttgart.de

Edge Computing & Green AI


Die Themen Edge Computing und Green AI sind in aller Munde, stehen aber noch ganz am Anfang ihrer Entwicklung. Im Rahmen des Projektes möchten wir Hintergründe beleuchten, Synergien der beiden Themen aufzeigen und einige Use Cases in den Bereichen Automotive und Manufacturing identifizieren. Mit einer prototypischen Umsetzung sollen zudem Performance und Umweltfreundlichkeit diverser Hardware Plattformen untersucht und bewertet werden.


in Kooperation mit MHP a Porsche Company.

  • Voraussetzungen: Künstliche Intelligenz, Python, Cloud GPU, Raspberry Pi, Jetson Nano
  • Betreuer: Enno Kätelhön (MHP), Markus Benedikt (MHP), Johannes Maucher (HdM)

Reputation der Marke STIHL auf Social Media Plattformen


In Kooperation mit STIHL sollen Erkenntnisse unter Verwendung von Natural Language Processing und Web-Crawling Methoden aus diversen Social Media Plattformen (Facebook, Instagram, Twitter, LinkedIn…) gewonnen werden. Hierzu sollen sowohl Metriken und Scores als auch diverse Rankings erstellt werden. Abschließend ist das Ziel diese in einem Power BI Dashboard zu visualisieren.


in Kooperation mit STIHL.

  • Voraussetzungen: Python, Web-Crawling
  • Betreuer: Dierk Jugel (STIHL), Jens Klöker (STIHL), Johannes Maucher (HdM)

LeoCAD Environment für Reinforcement Learning


In diesem Projekt soll eine Reinforcement Learning Anbindung für das Open Source Programm LeoCAD zum Erstellen von LEGO Modellen entwickelt werden. Spielerisch wird dabei die Vernetzung von Produktionsanlagen im Rahmen von Industrie 4.0 nachgestellt. Studierende, die Interesse haben, können zudem verschiedene Fragestellungen rund um das Thema Reinforcement Learning bearbeiten.


  • Voraussetzungen: Softwareentwicklung (C++), Machine Learning, Reinforcement Learning
  • Betreuer: Marco Huber (Fraunhofer IPA, Uni Stuttgart), Johannes Maucher

Visual Content Generation


Entwickelt werden soll eine interaktive Anwendung von kreativen Algorithmen zur visuellen Content Generierung. Beispiele sind Video Style Transfer oder Zeichenanwendungen wie SketchRNN oder GauGAN. Die Zielplattform ist dabei der IAAI KI-Demonstrator, (Videowand ähnlich der Hall of Fame von Audiovisuelle Medien) wo das Projekt anschließend dauerhaft ausgestellt werden wird.


Natural Language Generation


In diesem Projekt sollen Verfahren zur automatischen Generierung von Sportberichten entwickelt werden. Ausgehend von Fakten wie z.B. Endergebnis, Torschützen, besondere Vorkommnisse (rote und gelbe Karten) usw. sollen natürlich-sprachliche Berichte erstellt werden, die syntaktisch und semantisch korrekt und vollständig sind. Das Verfahren ist in eine interaktive Anwendung einzubinden.


Duckie Town


Duckie Town ist eine Experimentierumgebung für Robotik und Autonomes Fahren. Aufbauend auf Projekten der letzten Semestern soll die autonome Steuerung des Fahrzeugs mit Objekterkennung und Reinforcement Learning erweitert und verbessert werden. Die offene Plattform bietet dabei viel Raum für Kreativität und eigene Ideen.


AWS Deep Racer


AWS Deep Racer ist eine Experimentierumgebung für Robotik und Autonomes Fahren. In einem initialen Projekt soll die autonome Steuerung des Deep Racers mit Objekterkennung und Reinforcement Learning entwickelt werden. Die Plattform bietet eine enge Integration zu Amazon AWS und eine eigene DeepRacer Liga.


Creative Evolution Strategies


Genetische Algorithmen oder Evolution Strategies (ES) werden typischerweise dazu verwendet das Verhalten von Softwareagenten zu erlernen, z.B. das Steuern eines Autos oder Mario Charakters. In diesem Projekt soll ein neuer und kreativer Einsatz dieser Algorithmen konzipiert und in einem Game Projekt oder einer (Kunst-) Installation umgesetzt werden. Beispiele sind das Verändern der Spielfigur oder des Levels.


in Kooperation mit dem Institut für Games.

MARCO Roboterschach


MARCO ist ein 3D-gedruckter Roboterarm mit einem Display, auf dem ein virtueller Agent erscheint, der gegen Menschen Schach spielt und das Spiel dabei kommentiert. MARCO auf Youtube. Ziel des Projektes ist es, dieses System in der HdM wieder zum Laufen zu bringen und anschließend zu verbessern.


Privat-o-mat


Entwicklung eines medienethischen Tools: der “Privat-o-mat”. Damit soll spielerisch den Nutzer*Innen ermöglicht werden, über Privacy Paradox nachzudenken und eine eigene Haltung zur Privatheit zu entwickeln. Studierende der Medienwirtschaft haben hierzu ein Konzept mit Personas (Avataren) entwickelt, das nun ggf. modifiziert, überarbeitet und dann technisch realisiert werden sollte.



in Kooperation mit dem
Institut für Digitale Ethik (IDE).

Kaggle Challenge Google Research Football with Manchester City F.C.


Ziel des Projekts ist die Teilnahme an der Kaggle Challenge Google Research Football with Manchester City F.C.: In this competition, you’ll create AI agents that can play football. Teams compete in “steps,” where agents react to a game state. Each agent in an 11 vs 11 game controls a single active player and takes actions to improve their team’s situation. As with a typical football game, you want your team to score more than the other side. You can optionally see your efforts rendered in a physics-based 3D football simulation.


6th edition of the I-COM Data Science Hackathons (2021)


Ziel des Projekts ist die Teilnahme an der Johnson & Johnson Challenge des I-COM Data Science Hackathon vom 29. Januar - 3. Februar 2021 (Phase I). Teams können sich bis zum 11 Dezember 2020 anmelden. Seitens der Hochschule werden Sie von Prof. Dr. Jürgen Seitz in einem starken, interdisziplinären Team vorbereitet und während des Hackathons betreut. Bei Interesse melden Sie sich bitte rechtzeitig vor der Anmeldefrist. Einen Erfahrungsbericht des HdM Teams von 2019 können sie hier nachlesen!