Theresa Madreiter

Dipl.-Ing., B.Sc. 

Lehrbeautragte & Doktorandin

Forschungsbereich Produktions- und Instandhaltungsmanagement | Institut für Managementwissenschaften I Fakultät für Maschinenwesen und Betriebswissenschaften

Technische Universität Wien

Telefon: +43 1 58801 33094
E-Mail:

LinkedIn, öffnet eine externe URL in einem neuen Fenster-Researchgate, öffnet eine externe URL in einem neuen Fenster-Orcid, öffnet eine externe URL in einem neuen Fenster-Xing, öffnet eine externe URL in einem neuen Fenster

Ausbildung

  • Dipl.-Ing. in Wirtschaftsingenieurwesen-Maschinenbau, Fakultät für Maschinenwesen und Betriebswissenschaften, TU Wien
  • BSc. in Wirtschaftsingenieurwesen-Maschinenbau, Fakultät für Maschinenwesen und Betriebswissenschaften, TU Wien

Forschungsinteressen

  • Wissensbasierte Instandhaltung
  • Prädiktive und präskriptive Instandhaltung
  • Wissensentdeckung aus Text
  • Semantische Technologie, NLP
  • Prädiktive Datenanalyse und maschinelles Lernen

Forschungsprojekte

Publikationen

Buchkapitel

  • T. Madreiter, F. Ansari (2022), Instandhaltungslogistik: Qualität und Produktivität steigern., Kapitel „Text Mining in der wissensbasierten Instandhaltung“ Carl Hanser Verlag GmbH Co KG.

Refereed Conference Papers

  • L. Reichsthaler, T. Madreiter, J. Giner, R. Glawar, F. Ansari & W. Sihn, An AI-enhanced Approach for optimizing life cycle costing of military logistic vehicles, The 29th CIRP Conference on Life Cycle Engineering, Procedia CIRP, Vol. 105, 2022, pp. 296-301.
  • T. Biegel, N. Jourdan, T. Madreiter, L. Kohl, S. Fahle, F. Ansari, B. Kuhlenkötter & J. Metternich, Combining process monitoring with text mining for anomaly detection in discrete manufacturing, Proceedings of Conference on Learning Factories (CLF 2022), 11-13 April 2022, Singapur. Available at SSRN 4073942. – Ausgezeichnet mit Best Paper Award.
  • S. Nixdorf, M. Madreiter, S. Hofer & F. Ansari, A Work-based Learning Approach for Developing Robotics Skills of Maintenance Professionals, Proceedings of Conference on Learning Factories (CLF 2022),11-13 April 2022, Singapur. Available at SSRN 4074528.
  • T. Madreiter, L. Kohl & F. Ansari, A Text Understandability Approach for Improving Reliability-Centered Maintenance in Manufacturing Enterprises, Advances in Production Management Systems (APMS 2021), Artificial Intelligence for Sustainable and Resilient Production Systems, IFIP Advances in Information and Communication Technology, Vol. 630, Springer, pp. 161.170.

Masterarbeit

  • Madreiter, Theresa (2020): Design and Development of a Prototype of a Text Understanding Tool for Maintenance 4.0 by Measuring Associations, Readability and Sentiment (TU-MARS); Supervisor: W. Sihn & F. Ansari; Institute of Management Science, 2020

Auszeichnungen