Open Access

Einfluss von Deepfakes auf das Vertrauen und Nutzerverhalten in sozialen Medien.

Durch digitale Entwicklungen wie Smart Factory, Big Data oder Künstliche Intelligenz verändern sich Unternehmen. Produkte und Produktionsprozesse werden flexibler, schneller und klüger. Die Datenmenge und -relevanz nimmt durch den technologischen Fortschritt zu. Wenn eine Organisation heutzutage datengetrieben agieren will führt dies dazu, dass zur Entscheidungsfindung diese komplexen, aber wertvollen Daten berücksichtigt werden müssen. Business Intelligence (BI) stellt hierbei die Grundlage für daten- getriebene Entscheidungen dar. Dazu gehört die Aufbereitung, das Management, die Analyse und die Visualisierung relevanter Daten in BI-Tools. Das beste Mittel, um Daten den Nutzenden zur Verfügung zu stellen, sind interaktive Dashboards. Doch was nutzt die ausführlichste Analyse oder das beste Design, wenn die dargestellten Inhalte nicht die Bedürfnisse der Nutzer/-innen treffen? Über den Erfolg eines Produktes entscheiden die Personen, die es benutzen. Die Menschzentrierung befasst sich mit dieser Herausforderung und mittlerweile gibt es zahlreiche verschiedene Methoden und Ansätze, die den Menschen in den Mittelpunkt der Entwicklung stellen. Im Rahmen der Web- und Appentwicklung ist es inzwischen etabliert, die Benutzer/-innen in die Produktentwicklung miteinzubinden. In der Literatur und in der erlebten Praxis im Unternehmen ist diese Methodik der Menschzentrierung im Zusammenhang mit BI-Software und Visualisierungen in Dashboards bisher nicht bzw. nur selten der Fall. Daher beschäftigt sich die vorliegende Arbeit mit der Fragestellung, wie sich Dashboards zur Datenvisualisierung in BI-Software menschzentriert entwickeln lassen. Das Ziel dieser Forschung ist es, unterschiedliche, etablierte Methoden der Menschzentrierung zu analysieren und unter Berücksichtigung der Rahmenbedingungen eine Methode für einen konkreten Anwendungsfall im Produktionsumfeld der Mercedes-Benz AG zu entwickeln. Das Konzept wird in einem Use Case angewendet, wobei das Ergebnis für die weiterführende Forschung genutzt wird. Hierbei wird die qualitative Methode des Experten-/Expertinnen-Interviews gewählt, um den Einfluss der Menschzentrierung auf das Nutzungserlebnis zu untersuchen.

Team Autonomous Car Offenburg is one of the University of Applied Sciences Offenburg’s projects which is dedicated to the development of an autonomous scale model car to compete in competitions. Due to the ever-evolving requirements and team member variations, maintaining the extensive codebase has proven to be a challenging task. Following substantial internal codebase revisions, it became apparent that the decision-making aspect of the project could benefit from improvement. Consequently, the adoption of a third-party framework emerged as a viable solution. The selection of the BehaviorTree.CPP framework was influenced by its popularity, use of behavior trees, and official support for the Robot Operating System 2. Another crucial factor in choosing BT.CPP was its GUI companion tool, Groot, making behavior tree development accessible to individuals without programming knowledge. The focus of this work centers on the utilization of BT.CPP as a decision-making framework in combination with ROS 2 and its seamless integration into existing autonomous system projects of the University of Applied Sciences Offenburg by replicating their decision-making logic. The chosen projects are TACO and Sweaty, a self-constructed humanoid robot that can play soccer and chess. TACO’s foundational functionalities have been transitioned to operate with the new framework, accompanied by the implementation of concise showcase behaviors. These behaviors effectively encapsulate the fundamental requirements for most competitions. For Sweaty, the chess subproject and its behavior have been migrated. Due to technical difficulties and time constraints, only placeholders have been implemented to simulate the movement of the robot. The evaluation of this framework and the subsequent integrations discusses the reduced complexity, improved modularity, excellent performance, and enhanced usability based on the applied projects. This further demonstrates that the integration of this behavior framework into an existing project can yield significant improvements in the development process of behaviors while simultaneously enhancing the overall project quality. Specifically, this work led to a substantial reduction in the codebase size for TACO and made the behavior development process accessible to non-programmers.

Die vorliegende Bachelorarbeit beschäftigt sich mit dem Thema der Progressive Web Apps, einer Technologie, die nun schon ein paar Jahre existiert und langsam mehr an Bedeutung annimmt. Sie unterstützt Funktionalitäten, die zuvor nur aus anderen App Technologien, wie der nativen App bekannt waren. Nach intensiver Recherche über die PWA allgemein und deren vorausgesetzten Technologien, wurde eine Demo-PWA entworfen. Diese hilft Nutzern bei der Verwaltung von Terminen, die bisher bei Web Commerce GmbH über das CMS gemacht wird. Anforderungen an die bisherige Terminverwaltung wurden beim Implementieren des Prototyps berücksichtigt und durch das Einbauen verschiedener PWA-Features soll das Eintragen von Terminen verbessert werden. Nach Umsetzung der PWA wurde diese auf verschiedenen Browsern getestet, um zu sehen, welche Funktionalitäten unterstützt werden. In einer anschließenden Evaluation wurde die PWA hinsichtlich der Funktionen zusätzlich mit anderen Apptechnologien und der responsiven Website verglichen. Ergebnisse zeigen, dass die PWA bereits von vielen Browsern unterstützt wird und heutzutage mit einer PWA vieles möglich ist.

In the contemporary retail environment, the extraction of price information from promotional brochures is labor-intensive and time-consuming. This thesis addresses this challenge by developing and evaluating an automated system to extract prices, crossed-out prices, and discounts from images. The proposed system aims to enhance the data acquisition process’s efficiency and accuracy, thus enabling timely and precise information retrieval while reducing manual effort. The research begins with a comprehensive review of existing methods for text recognition and extraction, highlighting the strengths and weaknesses of various approaches. Based on these insights, several models, including Parseq, DTrOCR, and CLIP4STR, are compared to identify the most effective solution for the task. The CLIP4STR model, leveraging a dual encoder-decoder architecture that integrates visual and cross-modal branches, is found to be particularly well-suited for recognizing and extracting prices from complex visual contexts in promotional images. Experiments are conducted to evaluate the performance of these models using a dataset comprising promotional images from five different retailers. The CLIP4STR model demonstrates superior performance, achieving high accuracy in extracting price information. Additionally, the system’s robustness is validated through various test scenarios, including handling discounts and crossed-out prices. The results of this thesis underscore the potential of applied artificial intelligence to transform retail data processing. By automating price extraction, businesses can significantly improve their data collection processes, leading to more informed decision-making and resource allocation. Future work will focus on refining the model, expanding the dataset, and integrating the system into real-world operational settings to further enhance its applicability and performance. This research contributes to the field of retail data processing by providing a scalable and efficient solution for price information detection, laying a strong foundation for future advancements in automated data extraction systems.