Refine
Year of publication
- 2021 (230) (remove)
Institute
- Fachbereich Gestaltung (55)
- Fachbereich Medizintechnik und Technomathematik (46)
- IfB - Institut für Bioengineering (32)
- Fachbereich Elektrotechnik und Informationstechnik (26)
- Fachbereich Luft- und Raumfahrttechnik (23)
- Fachbereich Wirtschaftswissenschaften (22)
- Fachbereich Energietechnik (19)
- Fachbereich Bauingenieurwesen (13)
- ECSM European Center for Sustainable Mobility (10)
- Fachbereich Maschinenbau und Mechatronik (10)
Has Fulltext
- no (230) (remove)
Document Type
- Article (90)
- Conference Proceeding (52)
- Bachelor Thesis (49)
- Part of a Book (18)
- Book (6)
- Master's Thesis (4)
- Report (4)
- Doctoral Thesis (2)
- Review (2)
- Conference: Meeting Abstract (1)
Keywords
- Animation (3)
- Holz (3)
- Mode (3)
- Nachhaltigkeit (3)
- Redesign (3)
- UX Design (3)
- App (2)
- Bookazine (2)
- Corporate Design (2)
- Corporate Identity (2)
Warum wandern immer mehr Deutsche in die Türkei aus, obwohl wir denken, dass es uns in Deutschland gut geht? Haben deutsche Auswanderer in der Türkei ein besseres Leben? Diese und weitere Fragen wurden in diesem Projekt genauer beleuchtet. Die Beweggründe der Menschen sind so unterschiedlich wie das Leben selbst. Diese Bachelorarbeit beinhaltet Interviews von früher in Deutschland lebenden Personen, die in die Türkei ausgewandert sind und mit ihnen ihre ganz persönliche Geschichte. Zusammen mit diesem Thema wurde untersucht, wie das aktuelle Leben der Protagonisten in der Türkei ist: soziales Umfeld, das Einleben in eine neue Kultur und die Lebensqualität. Ein persönliches und intimes Interview lag hier besonders im Fokus. Die Arbeit wird mit Fotografien unterstützt, die den Alltag Deutscher in der Türkei zeigen. Mit diesem Projekt werden Vorurteile über die Türkei und die dort lebenden Menschen bestätigt, widerlegt und neue Erkenntnisse zur Frage „warum Deutsche in die Türkei auswandern“ gewonnen.
Koaxiale Stahlenergiepfähle
(2021)
Ein entscheidender Teil der Energiewende ist die Wärmewende im Gebäudesektor. Ein Schlüsselelement sind hier Wärmepumpen. Diese benötigen eine Wärmequelle, der sie Energie entziehen können, um sie auf ein höheres Temperaturniveau zu transformieren. Diese Wärmequelle kann bspw. das Erdreich sein, dessen Wärme durch Erdsonden erschlossen werden kann. In diesem Beitrag werden in Stahlpfähle integrierte Koaxialsonden mit dem Stand der Technik von Erdsonden gleichen Durchmessers bezüglich ihrer thermischen Leistungsmerkmale verglichen. Die Stahlenergiepfähle bieten neben der Wärmegewinnung weitere Vorteile, da sie auch eine statische Funktion übernehmen und rückstandsfrei zurückgebaut werden können. Es werden analytische und numerische Berechnungen vorgestellt, um die thermischen Potenziale beider Systeme zu vergleichen. Außerdem wird ein Testaufbau gezeigt, bei dem Stahlenergiepfähle in zwei verschiedenen Längen mit vorhandenen gängigen Erdsonden verglichen werden können. Die Berechnungen zeigen einen deutlichen thermischen Mehrertrag zwischen 26 % und 148 % der Stahlenergiepfähle gegenüber dem Stand der Technik abhängig vom Erdreich. Die Messergebnisse zeigen einen thermischen Mehrertrag von über 100 %. Es lässt sich also signifikante Erdsondenlänge einsparen. Dabei ist zu beachten, dass sich damit der thermisch genutzte Bereich des Erdreichs reduziert, wodurch die thermische Regeneration und/oder das Langzeitverhalten des Erdreichs an Bedeutung gewinnt.
In this paper we investigate the use of deep neural networks for 3D object detection in uncommon, unstructured environments such as in an open-pit mine. While neural nets are frequently used for object detection in regular autonomous driving applications, more unusual driving scenarios aside street traffic pose additional challenges. For one, the collection of appropriate data sets to train the networks is an issue. For another, testing the performance of trained networks often requires tailored integration with the particular domain as well. While there exist different solutions for these problems in regular autonomous driving, there are only very few approaches that work for special domains just as well. We address both the challenges above in this work. First, we discuss two possible ways of acquiring data for training and evaluation. That is, we evaluate a semi-automated annotation of recorded LIDAR data and we examine synthetic data generation. Using these datasets we train and test different deep neural network for the task of object detection. Second, we propose a possible integration of a ROS2 detector module for an autonomous driving platform. Finally, we present the performance of three state-of-the-art deep neural networks in the domain of 3D object detection on a synthetic dataset and a smaller one containing a characteristic object from an open-pit mine.