TY - CHAP A1 - Ulmer, Jessica A1 - Braun, Sebastian A1 - Wollert, Jörg T1 - Adaptive VR-Produktionsumgebungen für Evaluations- und Schulungstätigkeiten T1 - Adaptive VR production environments for evaluation and training purposes T2 - Automation 2021: Navigating towards resilient Production N2 - Industrie 4.0 stellt viele Herausforderungen an produzierende Unternehmen und ihre Beschäf-tigten. Innovative und effektive Trainingsstrategien sind erforderlich, um mit den sich schnell verändernden Produktionsumgebungen und neuen Fertigungstechnologien Schritt halten zu können. Virtual Reality (VR) bietet neue Möglichkeiten für On-the-Job, On-Demand- und Off-Premise-Schulungen. Diese Arbeit stellt ein neues VR Schulungssystem vor, welches sich flexible an unterschiedliche Trainingsobjekte auf Grundlage von Rezepten und CAD Modellen anpassen lässt. Das Konzept basiert auf gerichteten azyklischen Graphen und einem Level-system. Es ermöglicht eine benutzerindividuelle Lerngeschwindigkeit mittels visueller Ele-mente. Das Konzept wurde für einen mechanischen Anwendungsfall mit Industriekomponen-ten implementiert und in der Industrie 4.0-Modellfabrik der FH Aachen umgesetzt. N2 - Industry 4.0 poses many challenges for manufacturing companies and their employees. Inno-vative and effective training strategies are needed to keep pace with rapidly changing produc-tion environments and new manufacturing technologies. Virtual reality (VR) offers new oppor-tunities for on-the-job, on-demand, and off-premise training. This work presents a new VR training system that can be flexibly adapted to different training objects based on recipes and CAD models. The concept is based on directed acyclic graphs and a level system. It allows a user-individual learning speed by means of visual elements. The concept was implemented for a mechanical use case with industrial components and implemented in the industry 4.0 model factory of the FH Aachen University of Applied Sciences. Y1 - 2021 SN - 978-3-18-092392-5 U6 - https://doi.org/10.51202/9783181023921-55 SN - 0083-5560 N1 - 22. Leitkongress der Mess- und Automatisierungstechnik AUTOMATION 2021 - Navigating towards resilient Production, 29. und 30. Juni 2021 SP - 55 EP - 64 PB - VDI CY - Düsseldorf ER - TY - CHAP A1 - Eggert, Mathias A1 - Schade, Maximilian A1 - Bröhl, Florian A1 - Moriz, Alexander ED - Mandviwalla, Munir ED - Söllner, Matthias ED - Tuunanen, Tuure T1 - Generating synthetic LiDAR point cloud data for object detection using the Unreal Game Engine T2 - Design Science Research for a Resilient Future (DESRIST 2024) N2 - Object detection based on artificial intelligence is ubiquitous in today’s computer vision research and application. The training of the neural networks for object detection requires large and high-quality datasets. Besides datasets based on image data, datasets derived from point clouds offer several advantages. However, training datasets are sparse and their generation requires a lot of effort, especially in industrial domains. A solution to this issue offers the generation of synthetic point cloud data. Based on the design science research method, the work at hand proposes an approach and its instantiation for generating synthetic point cloud data based on the Unreal Engine. The point cloud quality is evaluated by comparing the synthetic cloud to a real-world point cloud. Within a practical example the applicability of the Unreal Game engine for synthetic point cloud generation could be successfully demonstrated. Y1 - 2024 SN - 978-3-031-61174-2 (Print) SN - 978-3-031-61175-9 (Online) U6 - https://doi.org/10.1007/978-3-031-61175-9_20 N1 - 19th International Conference on Design Science Research in Information Systems and Technology, DESRIST 2024, Trollhättan, Sweden, June 3–5, 2024 SP - 295 EP - 309 PB - Springer CY - Cham ER - TY - CHAP A1 - Altherr, Lena A1 - Döring, Bernd A1 - Frauenrath, Tobias A1 - Groß, Rolf A1 - Mohan, Nijanthan A1 - Oyen, Marc A1 - Schnittcher, Lukas A1 - Voß, Norbert ED - Reiff-Stephan, Jörg ED - Jäkel, Jens ED - Schwarz, André T1 - DiggiTwin: ein interdisziplinäres Projekt zur Nutzung digitaler Zwillinge auf dem Weg zu einem klimaneutralen Gebäudebestand T2 - Tagungsband AALE 2024 : Fit für die Zukunft: praktische Lösungen für die industrielle Automation N2 - Im Hinblick auf die Klimaziele der Bundesrepublik Deutschland konzentriert sich das Projekt Diggi Twin auf die nachhaltige Gebäudeoptimierung. Grundlage für eine ganzheitliche Gebäudeüberwachung und -optimierung bildet dabei die Digitalisierung und Automation im Sinne eines Smart Buildings. Das interdisziplinäre Projekt der FH Aachen hat das Ziel, ein bestehendes Hochschulgebäude und einen Neubau an klimaneutrale Standards anzupassen. Im Rahmen des Projekts werden bekannte Verfahren, wie das Building Information Modeling (BIM), so erweitert, dass ein digitaler Gebäudezwilling entsteht. Dieser kann zur Optimierung des Gebäudebetriebs herangezogen werden, sowie als Basis für eine Erweiterung des Bewertungssystems Nachhaltiges Bauen (BNB) dienen. Mithilfe von Sensortechnologie und künstlicher Intelligenz kann so ein präzises Monitoring wichtiger Gebäudedaten erfolgen, um ungenutzte Energieeinsparpotenziale zu erkennen und zu nutzen. Das Projekt erforscht und setzt methodische Erkenntnisse zu BIM und digitalen Gebäudezwillingen praxisnah um, indem es spezifische Fragen zur Energie- und Ressourceneffizienz von Gebäuden untersucht und konkrete Lösungen für die Gebäudeoptimierung entwickelt. KW - Anomalieerkennung KW - IoT KW - Überwachung & Optimierung KW - DiggiTwin KW - BIM KW - Smart Building KW - Digitalisierung Y1 - 2024 SN - 978-3-910103-02-3 U6 - https://doi.org/10.33968/2024.67 N1 - 20. AALE-Konferenz. Bielefeld, 06.03.-08.03.2024 (Tagungsband unter https://doi.org/10.33968/2024.29) SP - 341 EP - 346 PB - le-tex publishing services GmbH CY - Leipzig ER - TY - CHAP A1 - Losse, Ann-Kathrin A1 - Gehrke, Melanie A1 - Ullrich, André A1 - Czarnecki, Christian A1 - Sultanow, Eldar A1 - Breithaupt, Carsten A1 - Koch, Christian T1 - Entwicklung einer Open-Data-Referenzarchitektur für die Luftfahrtindustrie T2 - INFORMATIK 2022 - Informatik in den Naturwissenschaften, Proceedings N2 - Open Data impliziert die freie Zugänglichkeit, Verfügbarkeit und Wiederverwendbarkeit von Datensätzen. Obwohl hochwertige Datensätze öffentlich verfügbar sind, ist der Zugang zu diesen und die Transparenz über die Formate nicht immer gegeben. Dies mindert die optimale Nutzung des Potenzials zur Wertschöpfung, trotz der vorherrschenden Einigkeit über ihre Chancen. Denn Open Data ermöglicht das Vorantreiben von Compliance-Themen wie Transparenz und Rechenschaftspflicht bis hin zur Förderung von Innovationen. Die Nutzung von Open Data erfordert Mut und eine gemeinsame Anstrengung verschiedener Akteure und Branchen. Im Rahmen des vorliegenden Beitrags werden auf Grundlage des Design Science-Ansatzes eine Open Data Capability Map sowie darauf aufbauend eine Datenarchitektur für Open Data in der Luftfahrtindustrie an einem Beispiel entwickelt. Y1 - 2022 SN - 978-3-88579-720-3 U6 - https://doi.org/10.18420/inf2022_103 SN - 1617-5468 N1 - INFORMATIK 2022, 26. - 30. September 2022, Hamburg SP - 1203 EP - 1209 PB - GI - Gesellschaft für Informatik CY - Bonn ER - TY - CHAP A1 - Treuling, Clemens A1 - Czarnecki, Christian A1 - Wolf, Martin T1 - Projekt WiLMo – Wirtschaftsinformatik Lehr- und Lernmodule T2 - Angewandte Forschung in der Wirtschaftsinformatik 2023 : Tagungsband zur 36. AKWI-Jahrestagung N2 - Die potenziellen Auswirkungen der Digitalisierung auf die Lehre sind seit langem Gegenstand ausführlicher Diskussionen innerhalb der Wirtschaftsinformatik (WI) (z. B. in Auth et al. 2021, Barton et al. 2019, Klotz et al. 2019). Nicht zuletzt der in nahezu allen Wirtschaftszweigen bestehende Mangel an qualifizierten Fachkräften lenkt den Diskurs auf einen verbesserten Zugang zu Bildung und gleichen Bildungschancen. Aus dieser Vision heraus und dem Schub der Digitalisierung entstehen Bildungskonzepte wie Open Educational Resources (OER), die gesellschaftlichen Problemen, wie dem des Fachkräftemangels, entgegenwirken sollen. Im Rahmen dieses Kurzbeitrags wird das Projekt WiLMo - "Wirtschaftsinformatik Lehr- und Lernmodule" vorgestellt. WiLMo wird im Rahmen von OERContent.nrw unter Beteiligung von sechs Hochschulen entwickelt und gefördert. Alle Projektbeteiligten arbeiten gemeinsam daran, einheitliche digitale Lehr- und Lernmaterialien im OER-Format für die Kernmodule der Wirtschaftsinformatik zu entwickeln und in garantiert hoher Qualität zur Verfügung zu stellen. KW - Wirtschaftsinformatik KW - Open Educational Resources (OER) KW - WiLMo Y1 - 2023 N1 - 36. AKWI-Jahrestagung, 11.09.2023 bis 13.09.2023, ausgerichtet von der Technischen Hochschule Wildau SP - 161 EP - 169 ER -