08 March, 2023
Johannes Theodoridis

AI & Data Science Projekte
Kick-Off Sommersemester 2023

Event Hero Image

Replace all icons in the banner image with fruits - made with InstructPix2Pix: Learning to Follow Image Editing Instructions.

Liebe Studierende, auch dieses Semester gibt es wieder spannende Projekte im Bereich AI & Data Science. Vorschläge werden noch bis zum Kick-Off Termin gesammelt, es lohnt sich also vorbeizuschauen.

Voraussetzungen

Für die Entwicklung von KI Methoden solltet ihr bereits eine KI-Vorlesung erfolgreich abgeschlossen haben. Die meisten Projekte können sowohl auf Bachelor als auch Master Niveau belegt werden. Umfang und Tiefe werden entsprechend angepasst.

Ich habe noch keine KI-Vorlesung belegt. Kann ich trotzdem ein Projekt machen?

Ja das ist möglich sofern Ihr fertige KI Komponenten verwendet. Der Schwerpunkt des Projekts muss jedoch eindeutig im Bereich Softwareentwicklung liegen. Trotzdem könnt Ihr erste Erfahrungen in der Verwendung von KI Methoden sammeln.

Ihr habt eine eigene Idee und sucht noch Leute?

Beim Kick-Off habt ihr die Möglichkeit eure Idee vorzustellen um MitstreiterInnen für euer Projekt zu gewinnen. Bitte schreibt vorab eine kurze E-Mail an theodoridis@hdm-stuttgart.de damit wir euch einplanen können.


Projektvorschläge Sommersemester 2023 - MI / MMB / CSM

Online Kick-Off: Montag 20. März 2023 13:15 - 14:15 Uhr

Um an der Veranstaltung teilzunehmen bitte hier klicken (Zoom Link)

Wespen helfen - Naturschutz mit KI und Text2Speech

Ein friedliches Zusammenleben mit Wespen und auch Hornissen ist keine Wunschvorstellung, sondern wird durch unsere fachkundige Beratung tagtäglich Realität. Um noch mehr besorgten Menschen am Telefon helfen und so die Tiere vor Gifteinsatz bewahren zu können, sowie menschliche Beratungskapazität für komplizierte Fälle frei zu machen, soll eine KI in Verbindung mit Speech2Text/Text2Speech praktisch umgesetzt werden. Das Projekt startet mit der Auswahl passender Technologien für die Umsetzung.

Kooperation mit Transition Woods gGmbH

BetreuerInnen: Christian Becker-Asano, Sebastian Roth (Transition Woods)

Proof-of-Concept einer KI-gestützten Geräuscherkennung

In dieser Arbeit sollen mit Hilfe von Deep Learning Geräusche aller Art in der Tonspur des Videos erkannt und identifiziert werden. Geräuschuntertitel leisten einen wichtigen Anteil für die Barrierefreiheit, um hörbeeinträchtigte Menschen in Videos und Filmen denselben Kenntnisstand zu vermitteln den auch Hörende haben. Ein mögliches Vorgehen ist die Analyse und Anpassung des Google AudioSet auf den SWR Datensatz der ca. 70000 Soundclips, 1300 Videos und 50 Geräuschkategorien umfasst.

Kooperation mit SWR

BetreuerInnen: Johannes Maucher, Markus Lovis (SWR), Mario Waldleitner (SWR), Carina Schmidt (SWR)

Automatisierte Wettkampfdatenbank

Zielstellung ist die Entwicklung bzw. Weiterentwicklung einer Wettkampfdatenbank, welche möglichst automatisiert die Ergebnisse aus verschiedenen Quellen (HTML, PDFs, Excel) sammelt und aufbereitet. TrainernInnen und WissenschaftlernInnen soll es möglich sein anhand verschiedener Filter (Wettkampf, Jahr, Boot, Nation, Athlet etc.) Datensätze anzuzeigen und für die weitere Analyse ausgeben zu lassen.

Kooperation mit Deutscher Ruderverband e.V.

BetreuerInnen: Johannes Maucher, Kay Winkert (DRV)

Rennstrukturanalyse

Basierend auf einer sich kontinuierlich aktualisierenden Wettkampfdatenbank sollen automatisierte Rennstrukturanalysen (Aufbereitung von GPS Renndaten) TrainerInnen zeitnah nach dem Rennen zur Verfügung stehen. Weiterführende Aspekte wären individuell angepasste Rennstrukturanalysen oder die Modellierung von Einflussfaktoren und Trends hinsichtlich Fahrzeit, Pacing, Schlagfrequenz, Vortrieb etc.

Kooperation mit Deutscher Ruderverband e.V.

BetreuerInnen: Johannes Maucher, Kay Winkert (DRV)

Entwicklung einer echtzeitfähigen Visualisierung für Objekterkennung

Aktuelle Fahrzeuge erzeugen viele hunderte Messungen und Analysen pro Sekunde, die für den Fahrer oft nicht ersichtlich sind. Ziel der Arbeit soll es daher sein, die Objekterkennung im Fahrzeug erlebbar und verständlich zu machen. Auf Basis vorhandener Messungen soll daher eine visuell ansprechende Darstellung konzipiert und umgesetzt werden. Als Entwicklungsplattform steht hierfür eine Nvidia Jetson Orin Plattform zur Verfügung.

BetreuerInnen: Johannes Maucher

KI-gestützten Kamerakalibrierung für Fahrzeuge

Kameras stellen einen wichtigen Pfeiler im Perception Stack von Fahrzeugen dar. Die exakte extrinsische und intrinsische Kalibrierung ist jedoch oft mit hohem manuellen Aufwand verbunden. Basierend auf einer Nvidia Jetson Orin Plattform, abstrahierten Fahrzeugsignalen und diversen Kameras, soll die Automatisierung des Prozesses evaluiert werden. Ziel ist die Generalisierung für eine Vielzahl von Kameras und Fahrzeugen.

BetreuerInnen: Johannes Maucher

Robotik Projekt Raspberry Pi

Auf Basis von pi-top Robotics Kits können diverse Projektideen umgesetzt werden. Unsere Vorschläge reichen von der Implementierung von KI für autonomes Fahren, über Gestensteuerung hin zu Human-Robot-Interaction Studien, wie z.B. dem Vergleich eines klassischen Blinkers zu einem Roboterarm, der die geplante Fahrtrichtung anzeigt. Natürlich sind wir auch offen für weitere kreative Vorschläge.

BetreuerInnen: Marcel Heisler

ML Ops at the edge

Die Leistung eines aktuellen Edge-Computing Geräts für ML Anwendungen, des Nvidia Jetson Orin Developer Kits, soll auf die Probe gestellt werden, indem möglichst effizient mehrere Modelle gleichzeitig betrieben werden. Der Fokus der Anwendung soll dabei auf gesprochenem Dialog liegen, also z.B. Speech-To-Text, Text-to-Speech und ein Language Model oder einen Chatbot umfassen.

BetreuerInnen: Marcel Heisler

Creative 🤗 Hugging Face Demos

Die Firma Hugging Face stellt unkompliziert bereits trainierte open-source Modelle und kleine Demos zu Verfügung. Ziel des Projekts ist die Implementierung einer eigenen, möglichst kreativen Demo um KI für Studierenden und Gäste der HdM erlebbar zu machen (IAAI Demowand). Das Projekt startet mit einem Brainstorming und einer Konzeptphase. Im weiteren Verlauf wird die Idee dann mithilfe der Hugging Face Modelle in einem Softwareprojekt implementiert und getestet.

BetreuerInnen: Johannes Theodoridis

KI-basierte Unterstützung von journalistischen Inhalten

Ziel dieses Projekts ist es, mithilfe von KI die Arbeit von Journalisten und Content-Creators zu erleichtern und zu beschleunigen. Im Rahmen des Projekts sollen verschiedene Anwendungsfälle untersucht werden, beispielsweise ob Wetterberichte, regionale Nachrichten, Reels und Graphiken für Social Media, etc. generiert werden können. Wichtig ist dabei, dass die Qualität der generierten Inhalte auf einem hohen Niveau ist und keine Falschinformationen verbreitet werden.

Kooperation mit Audiotainment Südwest GmbH

BetreuerInnen: Johannes Maucher


Projektvorschläge - Generator HdM Startup Center

Low-Fidelity Mockups und App Screens aus Prompts erstellen

Wir würden gerne ein Modell trainieren auf Low-Fideilty App Mockups und ein System austesten der in der Lage ist aus einfachen Beschreibungen ganze User Flows mit Wireframes zu generieren. Zb. generieren Profil-Anmeldung bzw. On-Boarding von neuem Nutzer in eine App über 4 Haupt-Screens. Das könnte dann in nächsten Schritt von Nutzer noch bearbeitet oder evtl. von der KI angepasst werden (Context bleibt erhalten)

Kooperation mit HdM Startup Center

BetreuerInnen: Veljko Sekelj

KI im B2B-Kontext wodurch Zusammenhänge gefunden werden können

Entwicklung einer prototypischen KI, welche bestehende (zb. unternehmerische) Dokumente, als Trainingsdaten erhält und auf Basis dieser Daten Zusammenhänge in den Dokumenten finden kann. Das Ziel ist zb. Mitarbeiter in einem Unternehmen automatisch Kompetenzen zu zuordnen um die mit weiteren ähnlichen Projekten von zb. anderen Abteilungen zu vernetzen.

Kooperation mit HdM Startup Center

BetreuerInnen: Veljko Sekelj