Im Rahmen des Vernetzungstreffens am 29.Juni 2022 an der TU Wien fand die Übergabe des Diplomarbeitspreises 2021 für herausragende Leistungen auf dem Gebiet der Betriebswissenschaften (Industrial Management) statt. Dieser Preis wird seit 2013 vom Verein zur Förderung der Betriebswissenschaftlichen Forschung und Ausbildung gesponsert und jährlich vergeben.

Um die Qualität der in Unternehmen implementierten Informationssysteme bewerten zu können, bedingt es eines allgemein akzeptierten Messmodells.

Michael Brandstätter hat dazu seine Diplomarbeit zum Thema „Enterprise Risk Management Maturity Assessment – Conceptualization and Operationalization of a Formed Maturity Scale“ verfasst. Im Mainstream wird dieses Messmodell als Index konstruiert, bei dem der Messwert als (gewichteter) Durchschnitt über Attribute gebildet wird, welche dem System aus theoretischen Überlegungen oder aus empirischen Untersuchungen zugeschrieben werden. Eine Vergleichbarkeit der Messwerte liegt dabei nur eingeschränkt vor und es sind aus dem Messergebnis unmittelbar keine Handlungsempfehlungen ableitbar. Eine Reifegradskala wird im Gegensatz dazu auf Expertenwissen basierend aus ihren definierenden (formenden) Attributen gebildet, welche progressiv angeordnet das Informationssystem in Reifegraden von fundamentalen Bausteinen bis hin zu Best Practice Implementierungen beschreiben. Diese skalenbasierte Reifegradmessung wird im Enterprise Risk Management-Kontext in der Arbeit demonstriert.

Wie können kollaborative Roboter (Cobots) den Menschen zukünftig bei der Arbeit unterstützen und durch die einfache Programmierung auch für kleinste Losgrößen geeignet sein?

Bernd Hader ist dieser Frage in seiner Diplomarbeit „Intuitive Programmierung von kollaborativen Mensch Roboter Prozessen“ nachgegangen. Ein Problem bei den aktuellen Lösungen ist der Fokus auf die Programmierung des Roboters. Die Aufgaben des Menschen werden in den Programmierumgebungen nicht berücksichtigt. In der Diplomarbeit von Bernd Hader wurde ein Prototyp, basierend auf der Prozessmodellierungssprache BPMN, entwickelt, welcher dieses Problem löst und selbst Laien ohne Programmierkenntnisse die Erstellung/Programmierung von kollaborativen Mensch-Roboter-Prozessen in kürzester Zeit ermöglicht.

Ein Phasenmodell für die Zustandsüberwachung komplexer Anlagen mittels Anomalieerkennung?

Dieser Problemstellung ist Thaddäus Lechenauer in seiner Diplomarbeit „Design und Entwicklung eines Phasenmodells für die Zustandsüberwachung mittels Anomalieerkennung einer Industrieofenanlage“ nachgegangen. Mit jenem Modell kann eine Zustandsbeurteilung mit passenden Machine Learning Algorithmen durchgeführt werden, auch unter schwieriger Datenlage. In aufgezeichneten Messdaten kann so abnormales Verhalten detektiert und auf eventuellen Instandhaltungsbedarf geschlossen werden. Eine Fallstudie aus dem Bereich industrieller Wärmebehandlungsanlagen zeigt die Anwendbarkeit des Modells für komplexe Industrieanlagen.

Was bedeutet Spatial Augmented Reality (SAR)?

David Kostolani hat diese Frage in seiner Arbeit „Markerloses 3D-Tracking von Menschen und Bauteil zur Ansteuerung eines Spatial Augmented Reality Assistenzsystems“ behandelt. SAR ermöglicht eine direkte Projektion von Arbeitsinformationen auf verschiedenartigen Arbeitsflächen. Dadurch können MitarbeiterInnen kognitiv entlastet werden. Die Gewinnung des User-Contexts und die Notwendigkeit berührungsloser Interaktion stellt bei SAR aktuell eine große Schwierigkeit dar. Um dies zu lösen, wurden in der Arbeit Time of Flight (ToF) Kameras eingesetzt, welche die Arbeitsumgebung dreidimensional abbilden. Sie erlauben weiterhin die Erfassung räumlicher Positionsänderungen von Bauteilen sowie MitarbeiterInnen und deren Interaktion mit dem System. Der entwickelte Prototyp ermöglicht ein 3D-Tracking zur Ansteuerung von SAR Systemen für die Montage großer Bauteile und zeigt das hohe Potenzial von 3D-Computer-Vision und künstlicher Intelligenz zur Verbesserung der Interaktion in komplexen Mensch-Maschine Systemen.

Wie können Gender Stereotype und Gender Biases durch Künstliche Intelligenz und Roboter weitergeführt werden?

Die Arbeit von Ruth Strobl „Gender, Künstliche Intelligenz und Robotik: Wie Künstliche Intelligenz und Roboter Gender Stereotype und Gender Biases weiterführen“ befasst sich mit diesem Thema. Algorithmen und Anwendungen, die diese nutzen, sind in unserer Welt bereits weit verbreitet. In der Vergangenheit wurde schon mehrfach festgestellt, dass diese Personen aufgrund ihres (sozialen) Geschlechts systematisch diskriminieren. Gender Biases führen zur Verfestigung oder gar Verstärkung bereits bestehender sozialer Ungleichheiten. Anhand von konkreten Beispielen wurden analysiert, wie KI und Robotik zur Weiterführung von Geschlechterstereotypen beitragen und welche unterschiedlichen Strategien es gibt, dies zu vermeiden.

Details zum „Industrial Management-Preis für Wissenschaftliche Arbeiten 2022“: www.tuwien.at/mwbw/im/news/news/ausschreibung-industrial-management-preis-wissenschaftliche-arbeiten-2022, öffnet eine externe URL in einem neuen Fenster