Im Rahmen unseres Bachelorprojekts erweitern wir die Smartphone-App SensorHub, die zur Durchführung wissenschaftlicher Studien geschaffen wurde, um ein selbstentwickeltes Biofeedback-Modul. SensorHub ermöglicht es, gleichzeitig und über einen langen Zeitraum Sensordaten von tragbaren Geräten unterschiedlicher Hersteller auszulesen, aufzuzeichnen und Wissenschaftlern zur Verfügung zu stellen.

Mit unserem Biofeedback-Modul gehen wir noch einen Schritt weiter: Wir ermöglichen es dem Nutzer, seine Vitalparameter in Echtzeit zu visualisieren und auf Änderungen zu reagieren. Durch die Analyse dieser Daten können wir dem Nutzer unmittelbar Feedback geben, wenn bestimmte Vitalwerte überschritten werden.

Um zum Beispiel die psychische Belastung zu messen und den Nutzer bei zu hoher Beanspruchung zu informieren, haben wir es zudem möglich gemacht, die Daten tragbarer EEG-Geräte aufzuzeichnen, sodass der Nutzer individuell mit seinem Körper kommunizieren und interagieren kann. Mit unserem Projekt wollen wir einen Beitrag zur Verbesserung des Gesundheitsbewusstseins leisten, indem wir den Nutzer auf seinen Körper aufmerksam machen und ihn dabei unterstützen, seine Vitalfunktionen besser zu erkunden.

• Projektpartner: Data4Life

Medizinische Bilddaten liefern wichtige Erkenntnisse für die biomedizinische Forschung. Die relevanten Bereiche zu markieren — also Segmentierungen von z.B. Tumoren in MRT-Scans zu erstellen — ist jedoch arbeits- und zeitintensiv. Künstliche Intelligenz (KI) kann dabei eine große Hilfe sein, jedoch stellt der Mangel an segmentierten medizinischen Bilddaten eine große Herausforderung für deren Anwendung in der Medizin dar.

MIA ermöglicht es Forschenden, KI-Modelle auszuführen, welche schnell Vorschläge für Segmentierungen von medizinischen Bildern liefern. Diese Modelle und die zugehörigen Datensätze können mit MIA einfach verwaltet und nachverfolgt werden. Die generierten Vorschläge können dann im VISIAN Editor überprüft und ggf. berichtigt werden und müssen nicht mehr neu erstellt werden. Mit den korrigierten Segmentierungen werden wiederum bestehende Modelle verbessert, was zu einer positiven Feedbackschleife führt.

Insgesamt erzeugen wir so schnell neue, segmentierte Datensätze und stellen sie der Forschung zur Verfügung. Langfristig können diese Technologien dann von Ärzt:innen in Krankenhäusern eingesetzt werden, um bessere Diagnosen zu stellen, Operationen zu planen und Patient:innen generell besser zu versorgen.

• Projektpartner: AI for Health

Online gibt es alles zu kaufen. Aber nicht immer verrät der Titel oder die Beschreibung eines Produkts, wofür es tatsächlich geeignet ist. Dieses Problem wollen wir mithilfe von Machine Learning lösen, indem wir aus Rezensionen eines Produkts mögliche Anwendungsfälle extrahieren. Das soll anderen Kund*innen ermöglichen, direkt nach einem konkreten Anwendungsfall zu suchen und passende Produkte vorgeschlagen zu bekommen.

• Projektpartner: Amazon

Bei WLAN-Installationen mit vielen Zugangspunkten und Nutzern, wie z.B. in Fußballstadien und Krankenhäusern, kann es schnell zur Überlastung des Netzes kommen, da sich viele Geräte im gleichen Netz befinden. Etablierte Hersteller schränken deshalb die Kommunikation zwischen den Geräten und damit den Funktionsumfang des Netzes ein.

Das Bachelorprojekt geht mit der Lösung WiMoVE einen neuen Weg: Jeder Nutzer erhält unbemerkt ein eigenes virtuelles Netz. Auch wenn zusätzliche Netze wie mehr Aufwand wirken, wird dadurch das Gesamtnetz entlastet, da so Geräte weniger Daten untereinander austauschen.

Dazu verwendet das Projekt Technologien zur Netzwerkvirtualisierung, die ursprünglich für Rechenzentren entwickelt wurden. Alle Komponenten sind als Open-Source-Software verfügbar und können auf Netzwerkhardware verschiedener Hersteller betrieben werden.

• Projektpartner: BISDN

Prozesse im Bauwesen sind aufgrund vielfältiger Abhängigkeiten, ihrer Parallelität und Komplexität sowohl schwer zu planen als auch zu überwachen. Die Digitalisierung spielt in der Baubranche daher eine immer wichtigere Rolle und wird zu einem kritischen Erfolgsfaktor.

Zusammen mit dem Potsdamer Start-Up koppla und ihrer Plattform zur Koordination von Arbeitsabläufen auf Baustellen haben wir aktuelle Forschungsergebnisse der Prozesstechnologie verwendet, um Prozesse im Bauwesen flexibel zu gestalten und optimiert auszuführen. Durch die Zusammenarbeit mit koppla haben wir die Möglichkeit, unser theoretisches Wissen in die Praxis umzusetzen und die Baubranche mit innovativen Lösungen voranzubringen.

Mit unserer Software kann die Bauleitung Baustellenprozesse in ihrer gesamten Komplexität abbilden; das System generiert daraus automatisch meilensteinkonforme Zeitpläne und unterstützt somit bei der Planung, Optimierung und Überwachung von Prozessen im Bauwesen.

• Projektpartner: koppla 

In privaten Sammlungen, in Archiven und Museen im Harz lagern Schätze – die bisweilen selten das Publikum finden, das sie verdienen. Unser Mitmacharchiv ermöglicht Freiwilligen Bilder hochzuladen, zu verwalten und interaktiv zu präsentieren. Dies weckte bei Sammlern, Vereinen und Museen in der Region Harz großes Interesse sich zu beteiligen und ihre eigenen, teils sehr großen, Sammlungen beizusteuern. Das Ziel ist, diese in einer robusten Plattform zu vereinen und übersichtlich zu präsentieren. So wollen wir noch lange seltene Einblicke in die Harzer Geschichte erhalten.

• Projektpartner: Bad Harzburg Stiftung 

Im Jahr 2021 verbrauchten weltweite Rechenzentren bereits so viel Strom wie ganz Deutschland zusammen und dieser Trend nimmt unaufhaltsam zu. Angesichts dieser Entwicklung müssen wir uns auch unseres Einflusses auf den Klimawandel und die Umwelt bewusst werden.

Aus diesem Grund haben wir uns im Rahmen des Bachelorprojekts dazu entschlossen, den Klima-Fußabdruck des HPI Rechenzentrums zu ermitteln und zu analysieren. Dabei haben wir uns nicht nur auf den Energieverbrauch beschränkt, sondern auch die Anschaffung und Entsorgung von Hardware sowie den Bau des Gebäudes berücksichtigt.

Unser Ziel war es, möglichst viele Aspekte in unsere Berechnungen und Schätzungen einfließen zu lassen, um ein möglichst genaues Bild des CO2-Fußabdrucks des HPI Rechenzentrums zu erhalten. Alle unsere Erkenntnisse und Ergebnisse haben wir in einem transparenten und leicht verständlichen Dashboard zusammengefasst.

• Projektpartner: Universität Passau, Hasso Plattner Foundation, Hewlett Packard Enterprise