„Stadt der Zukunft - Smartes Stadtmobiliar für mehr Teilhabe im Alter“ – unter diesem Titel sind jetzt Ergebnisse des Forschungsprojektes UrbanLife+ als Buch erschienen. Von 2015 bis 2020 untersuchten wir in Mönchengladbach gemeinsam mit Forschungseinrichtungen und zahlreichen lokalen Akteuren, wie die digitale Transformation des urbanen Raumes älteren Menschen helfen können, weiterhin in der Stadt aktiv zu sein und sich sicher zu bewegen. Das Buch führt ausgehend von einer Bedarfsanalyse in Mönchengladbach Schritt für Schritt durch die Konzeption, Planung, technische Umsetzung und Erprobung. Dabei steht immer das umfassend definierte städtebauliche Ziel der "Safety" urbaner Räume mit jeweils spezifischer Ausrichtung auf den Bedarf von Personen mit altersbedingten Einschränkungen im Mittelpunkt. Hier finden Sie die Pressemeldung der Stadt Mönchengladbach. Weitere Informationen

Die Dissertation unseres Mitarbeiters Dr. Marvin Hubl mit dem Titel "Smarte Städtebauliche Objekte für eine adaptive Stadt: Ein Verfahren der Künstlichen Intelligenz zur Erhöhung der Wohlfahrt" ist nun online abrufbar.

Link auf http://nbn-resolving.de/urn:nbn:de:bsz:100-opus-19328

Im Berlin Congress Center kamen erstmals alle 21 Projekte aus dem BMWi-Technologieprogramm Smarte Datenwirtschaft zu einem Vernetzungstreffen unter dem Motto "Daten, Demos und Diskussion" zusammen. Die interaktiven Elemente World Café, Barcamp und parallele Workshops ermöglichten einen intensiven Austausch zu Fragen wie Geschäftsmodell-Entwicklung, Open Source, Standardisierung, regulatorische Hindernisse und Zusammenarbeit im Technologieprogramm. Jörg Leukel und Tobias Zimpel brachten Erfahrungen aus unserem Projekt PlatonaM ein, in dem ein Plattform-basiertes Ecosystem für Predictive Maintenance und neuartige Machine-Learning-Verfahren entwickelt und mit Praxispartnern evaluiert werden.

In der Zeitschrift Journal of Manufacturing Systems ist der Artikel "Adoption of machine learning technology for failure prediction in industrial maintenance: A systematic review" erschienen. Die industrielle Instandhaltung setzt zunehmend Machine-Learning-Verfahren ein, um Systemausfälle vorherzusagen und auf dieser Basis Instandhaltungsmaßnahmen zielgerichtet zu planen. Zahlreiche Studien weisen bereits auf die Wirksamkeit ML-basierter Prognosemodelle für Systemausfälle hin. Allerdings ist die entstehende Evidenz nur unzureichend dokumentiert und es herrscht noch Unklarheit darüber, welche spezifischen ML-Techniken die Prognosegüte beeinflussen. Hier setzt die Untersuchung von Jörg Leukel, Julian González und Martin Riekert an, die in einem systematischen Prozess 34 experimentelle Studien auswählte und hinsichtlich Prognoseproblem, Datensammlung, Datenvorverarbeitung, Modelltraining und Modellevaluation analysierte. Die Untersuchung verdeutlicht (1) die große Bandbreite von Systemen und Domänen, (2) die Nutzung vergleichsweise fortgeschrittener Techniken für Vorverarbeitung und Training, (3) Mängel in den genutzten Evaluationstechniken und (4) große Heterogenität in der Darstellung von Experimentdesigns und -ergebnissen. Anhand dieser Einsichten identifizieren die Autoren künftigen Forschungsbedarf und geben Empfehlungen, wie die Interpretation, Vergleichbarkeit und Zusammenführung der Ergebnisse von Einzelstudien befördert werden könnte. Der Artikel ist im BMWi-Forschungsprojekt PlatonaM entstanden und hier abrufbar: https://doi.org/10.1016/j.jmsy.2021.08.012

In der Zeitschrift Computers and Electronics in Agriculture ist der Artikel „Model selection for 24/7 pig position and posture detection by 2D camera imaging and deep learning” erschienen. Die Erfassung des Nutztierverhaltens mittels Videokameras spielt eine zunehmend wichtige Rolle für das Verstehen des Tierwohls. Deep-Learning-Verfahren können helfen, Videodaten automatisiert auszuwerten und den Forschenden relevante Verhaltensdaten bereitzustellen. Allerdings sind bisherige Verfahren der Positions- und Haltungserkennung auf Tagaufnahmen mit heller Ausleuchtung der Stallabteile beschränkt, so dass das Tierverhalten zur Nachtzeit nicht berücksichtigt wird. Daher entwickelten Martin Riekert, Svenja Opderbeck, Andrea Wild und Eva Gallmann ein neuartiges Verfahren für Tages- und Nachtzeiten. Die experimentelle Evaluation erfolgte unter Realbedingungen in der Landesanstalt für Schweinezucht Boxberg (Datensatz mit 10 Stallbereichen über 6 Monate). Die Ergebnisse zeigen für Tagaufnahmen eine hohe Leistung (Mean Average Precision: 84%), jedoch für Nachtaufnahmen eine deutlich geringere Leistung (58%). Der Artikel ist im Forschungsprojekt Landwirtschaft 4.0: Info-System entstanden und hier abrufbar: https://doi.org/10.1016/j.compag.2021.106213

Die Dissertation unserer ehemaligen Mitarbeiterin Dr. Barbara Schehl mit dem Titel "Older adults‘ internet use, outdoor activity, and the urban environment: Empirical analysis" ist nun online abrufbar.

Link auf http://nbn-resolving.de/urn:nbn:de:bsz:100-opus-18997

In der Zeitschrift Journal of Enterprise Information Management ist der Artikel „How novice analysts understand supply chain process models: an experimental study of using diagrams and text” erschienen. Prozessmodelle sind ein vielfach genutztes Instrument zur Lieferkettenanalyse. Zu den Nutzenden solcher Modelle gehören auch Personen, die über kein Expertenwissen in der Modellierung verfügen. Wenngleich für Lieferketten spezifische, diagrammbasierte Modellierungstechniken seit langer Zeit verfügbar sind, ist bislang noch ungeklärt, ob die Nutzung von Diagrammen tatsächlich zu einem besseren Domänenverständnis führt als die Nutzung semantisch äquivalenter, jedoch textbasierter Repräsentationen. Daher untersuchten die Autoren Jörg Leukel und Vijayan Sugumaran (Oakland University), inwiefern die Art der Repräsentation (Diagramm versus Text) das Domänenverständnis beeinflusst. Hierzu wurde ein Laborexperiment mit Bioeconomy-Studierenden durchgeführt, die zuvor eine Grundausbildung in der Modellierungstechnik SCOR (Supply Chain Operations Reference Model) erhielten. In der Tat zeigte sich, dass die Diagramm-Nutzenden erfolgreicher in der Lösung von Informationsakquisitionsaufgaben waren als die Text-Nutzenden. Insgesamt lieferte die Untersuchung erstmalig empirische Belege dafür, dass SCOR-Diagramme eine effektive Repräsentationsform für Analyst*innen mit geringem Modellierungswissen sind. Der Artikel ist hier abrufbar: https://doi.org/10.1108/JEIM-11-2020-0478

In der Zeitschrift Information, Communication & Society ist der Artikel „Digital inequality among older adults: explaining differences in the breadth of Internet use“ erschienen. Immer mehr ältere Menschen integrieren das Internet in ihr tägliches Leben und üben Online-Aktivitäten in zunehmender Breite aus. Damit eröffnen sich nicht nur größere Möglichkeiten für ein selbstbestimmtes Leben, sondern auch zur Kompensation außerhäuslicher Aktivitäten, die in Folge altersbedingter Mobilitätseinschränkungen nur erschwert oder überhaupt nicht mehr möglich sind. Allerdings ist bislang wenig verstanden, welche individuellen Faktoren die Breite der Internetnutzung erklären können. Hier setzt die Studie von Jörg Leukel, Barbara Schehl und Vijayan Sugumaran an, die anhand von empirischen Daten aus der Stadt Mönchengladbach vier Faktoren identifiziert (wahrgenommene Verhaltenskontrolle in der Nutzung digitaler Technologien, Alter, Geschlecht, Bildung). Die Studie richtet den Blick auf eine bedeutende Dimension der digitalen Ungleichheit zwischen älteren Internetnutzer*innen. Die Ergebnisse liefern Hinweise darauf, welche Teilgruppen weniger gut auf die Kompensation von Offline- durch Online-Aktivitäten vorbereitet sind. Der Artikel ist im BMBF-Forschungsprojekt UrbanLife+ entstanden und hier abrufbar: https://doi.org/10.1080/1369118X.2021.1942951

Am Lehrstuhl startete zum 19. April ein neues Forschungsprojekt zu smarten Technologien in der Landwirtschaft: Das Projekt KINERA strebt die Erhöhung der Prozesseffizienz und Resilienz bei der landwirtschaftlichen Bestandsetablierung an. Konkret geht es um die digitale Vernetzung von Landmaschinen mit Technologien des Internet of Things, um mittels Künstlicher Intelligenz betriebsrelevante Ereignisse zu antizipieren und die Maschinenlogistik zu verbessern. Hierbei werden operationale Daten und externe Daten, z. B. über das Wetter, in Cloud-Diensten verknüpft.

Heute kamen dazu in Hohenheim erstmals Projektpartner zusammen (Smart Site Solutions GmbH, Exatrek GmbH, Claas Vetriebsgesellschaft mbH, VDMA Landtechnik, Horsch GmbH). Das Projekt wird mit Mittels des Bundesministeriums für Ernährung und Landwirtschaft (BMEL) im Programm "Künstliche Intelligenz in der Landwirtschaft, der Lebensmittelkette, der gesundheitlichen Ernährung und den Ländlichen Räumen" gefördert.

Die jüngsten Lockerungen der Corona-Regeln ermöglichten heute ein Projekttreffen im Verbundprojekt Digitale Wertschöpfungsketten für eine nachhaltige kleinstrukturierte Landwirtschaft (DiWenkLa). Hierzu kamen Beteiligte aller 14 Teilprojekte der Universität Hohenheim, der Hochschule für Wirtschaft und Umwelt Nürtingen-Geislingen (HfWU) sowie weiterer Expert*innen aus Wissenschaft, Verwaltung und Praxis im beschaulichen Kirchberg an der Iller zusammen (DiWenkLa-Tag 2021). Bei hochsommerlichen Temperaturen wurden Forschungsergebnisse präsentiert und diskutiert. Zu unserem Teilprojekt in der Experimentiereinheit Grünland berichteten Jörg Leukel und Martin Riekert erste Ergebnisse, inwiefern Machine-Learning-Verfahren wie Decision Tree Regressor und Random Forest Regressor für die Trockmasseprognose geeignet sind.

Heute hat unser wissenschaftlicher Mitarbeiter Marvin Hubl sein Promotionsverfahren zum Abschluss gebracht. Der Titel seiner Dissertation lautet "Smarte Städtebauliche Objekte für eine adaptive Stadt: Ein Verfahren der Künstlichen Intelligenz zur Erhöhung der Wohlfahrt". Wir gratulieren herzlich zur Promotion!

In der Zeitschrift SN Computer Science ist der Artikel "Simple baseline machine learning text classifiers for small Datasets" erschienen. Gegenstand der Untersuchung sind Machine-Learning-Verfahren für die automatische Klassifizierung von Artikeln in Online-Medien. ML-Verfahren werden bereits seit langer Zeit sehr erfolgreich eingesetzt, z.B. für Finanzmarktnachrichten, Wikipedia-Beiträge, Film- und Restaurant-Reviews. Für neue Anwendungsfälle hängt der Klassifizierungserfolg entscheidend von der Größe und Qualität der manuell erstellten Trainingsdaten ab. Allerdings ist noch ungeklärt, mit welcher minimalen Größe der Trainingsdaten bereits eine hohe Klassifizierungsgüte erreicht werden kann. Hierzu berichten die Autoren Martin Riekert, Matthias Riekert und Achim Klein über eine experimentelle Studie, um den Einfluss der Trainingsdatengröße zu untersuchen. Weitere manipulierte Faktoren waren Machine-Learning-Algorithmus, Feature-Gewichtung und Textrepräsentation. Anhand der Ergebnisse für sieben verschiedene Datasets formulieren die Autoren empirisch überprüfte Entwurfsempfehlungen für die ML-Textklassifikation, wenn Trainingsdaten nur eingeschränkt zur Verfügung stehen. Der Artikel ist als Open Access hier abrufbar: https://doi.org/10.1007/s42979-021-00480-4

In der Zeitschrift Agricultural Engineering ist der Artikel „Machine learning for predicting animal welfare risks in pig farming“ erschienen. Tierwohl ist ein Qualitätsmerkmal moderner Schweinehaltung und zunehmend im Blickpunkt der Öffentlichkeit. Vorarbeiten zur Prognose von Tierwohlrisiken weisen auf die Bedeutung von frühzeitigen biologischen Indikatoren (z. B. dem Geburtsgewicht) hin. Hierzu entwickelten die Autoren Tobias Zimpel, Martin Riekert, Achim Klein und Christa Hoffmann ein Verfahren zur frühzeitigen Prognose von Tierwohlrisiken. Die empirische Evaluation erfolgte auf Basis eines Datensatzes der Landesanstalt für Schweinezucht Boxberg. Der zentrale Beitrag ist ein ML-Modell zur Prognose von Todesfällen in der Säugephase mit einer Accuracy von 80,4%. Die Accuracy des Majority-Vote-Klassifikators für den Todesfall in der Säugephase beträgt hingegen nur 53,1%. Somit könnte die Methode dazu beitragen, drohende Todesfälle in der Säugephase von Schweinen frühzeitig zu erkennen und Maßnahmen zu ergreifen. Der Artikel ist im Forschungsprojekt Landwirtschaft 4.0: Info-System entstanden und hier abrufbar: https://doi.org/10.15150/lt.2021.3261

Andere Mitteilungen lesen: Aktuelle, 2022, 2020