IoT-Demonstrator zur Ermittlung von Fahrgastströmen

Projektziel ist die Gewinnung belastbarer Daten zur Verbesserung des ÖPNV-Netzes.

Bedingt durch die Corona-Pandemie haben sich in den letzten Jahren sowohl die Fahrgastzahlen als auch die Fahrgastströme im ÖPNV stark verändert. Bisherige Lösungen 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 kostengünstig und möglichst präzise ermittelt. In Folgeprojekten soll daraus dann ein System für den realen Einsatz entstehen.

Erfassung von Gebäude- und Raumdaten für KI-Anwendungen

In Zusammenarbeit mit dem Augsburger Startup credium GmbH ( https://www.credium.de/) wurde in diesem Projekt eine mobile App für Android und iOS zur Verwaltung von Gebäude- und Raumdaten entwickelt. Diese Anwendung kann als spätere Grundlage für ein Consumer Product dienen, das sowohl Privatpersonen als auch gewerblichen Interessenten die Erfassung von Gebäude-und Raumdaten ermöglicht, sowie deren Auswertung mittels von KI-Anwendungen von credium.

Organic Production Systems

Multi-Agenten Reinforcement Learning für den optimalen Durchlauf von Werkstücken durch eine Produktionsanlage

Organic Production Systems 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 können aktuelle Verfahren für Organic Production Systems und Smart Internet of Things erforscht und prototypisch umgesetzt werden.