Open Access

In der Zusammenfassung lässt sich festhalten, dass alle untersuchten Gewebearten – darunter der Schulter- und Herzmuskel (Herzkammer) sowie die Aortenklappe – bei Anwendung geeigneter Präparationsmethoden und zeitnaher Untersuchungen ähnliche Verläufe (Peaks und Abfälle) in den analysierten Wellenlängen- und Spektralbereichen aufweisen. Obschon die Absorptionskoeffizienten variieren, zeigen die ermittelten Verläufe eine weitgehende Übereinstimmung mit den in der Literatur beschriebenen Mustern. Diese Unterschiede lassen sich auf die Verwendung verschiedener Gewebearten und deren unterschiedliche Zusammensetzung sowie Konzentration bestimmter Moleküle zurückführen. Ein wesentlicher Aspekt der Untersuchung bildete die Analyse des Einflusses der Schichtdicke auf die optischen Eigenschaften. Es konnte nachgewiesen werden, dass die Schichtdicke einen maßgeblichen Einfluss auf die Lichtabsorption ausübt und folglich bei der Analyse der optischen Eigenschaften stets zu berücksichtigen ist. Des Weiteren verdeutlichen die nach dem Alterungsprozess beobachteten molekularen und strukturellen Veränderungen die entscheidende Bedeutung einer sachgemäßen Lagerung sowie einer zeitnahen Präparation der Proben. Eine inadäquate Lagerung kann die optischen Eigenschaften beeinflussen und somit die Validität der Ergebnisse beeinträchtigen. Im Spektralbereich ab 1800 nm manifestierten sich signifikante Abweichungen, die auf Rauschen und die Empfindlichkeit des Detektors zurückzuführen sind. Eine Optimierung der Detektorparameter sowie eine Geräteabstimmung könnten zukünftig zu einer Verbesserung der Untersuchungen führen. Eine Erweiterung der Untersuchungen auf andere Gewebearten, wie beispielsweise Leber oder Pankreas, könnte wertvolle Einblicke in deren optische Eigenschaften ermöglichen. Solche Studien könnten neue Anwendungen, beispielsweise in der Lasertherapie oder optischen Biopsien, eröffnen. Von besonderem Interesse wären Untersuchungen an menschlichem Gewebe, die jedoch aufgrund der Genehmigungsverfahren anspruchsvoller sind. Dennoch könnten diese zu präziseren Diagnosen und innovativen Behandlungsmethoden führen und die Medizintechnik nachhaltig verbessern.

Diese Diplomarbeit präsentiert die Konzeption und Implementierung eines digitalen Begehungssystems zur präzisen und effizienten Erfassung und Bewertung von Geruchsstoffimmissionen. Das entwickelte System, eine Web-Applikation mit Datenbank, ermöglicht die mobile Erfassung von Geruchsstoffimmissionen unter strikter Einhaltung der VDI-Richtlinie DIN EN 16841-1 (nachfolgend DIN genannt). Diese Diplomarbeit widmet sich der Erfassung und Speicherung von Geruchsstoffimmissionen, einem Forschungsgegenstand von wachsender Bedeutung angesichts des zunehmenden Bewusstseins für Umweltqualität und der Notwendigkeit des Schutzes der öffentlichen Gesundheit. Das entwickelte digitale Begehungssystem repräsentiert einen signifikanten Fortschritt in der Umweltüberwachung, indem es eine robuste und automatisierte Erfassung und Speicherung von Geruchsstoffimmissionen ermöglicht und dadurch zur Verbesserung der Umweltqualität beiträgt. Die Implementierung erfolgte unter Berücksichtigung moderner SoftwareEntwicklungsprinzipien wie Clean Code, SOLID und der Anwendung von Design Patterns, um eine hohe Codequalität und Wartbarkeit sicherzustellen. Besonderes Augenmerk wurde auf die Benutzerfreundlichkeit und die Erfüllung der strengen methodischen Vorgaben in der DIN gelegt. Das Konzept und die Realisierung bieten nicht nur Mittel und Methoden für die Erfassung und Übertragung von Geruchsstoffimmissionen, sondern auch einen Ansatz für die Entwicklung ähnlicher Systeme in verwandten Bereichen der Umweltüberwachung. Sie demonstriert die erfolgreiche Integration moderner Technologien in ein komplexes Umweltüberwachungssystem und liefert wichtige Erkenntnisse für Entscheidungsträger, Forscher und die Öffentlichkeit.

Anomaly detection in satellite telemetry data is crucial for ensuring the reliability and safety of space missions. This thesis presents a comprehensive evaluation of eleven state-of-the-art anomaly detection algorithms applied to the MOVE-II CubeSat mission's telemetry data. Utilizing the TimeEval benchmark toolkit, this thesis assessed the effectiveness, efficiency, and robustness of both traditional machine learning and deep learning approaches across multiple metrics, including Area under the Receiver Operating Characteristics Curve (AUC-ROC), Area Under the Precision-Recall Curve (AUC-PR), and Area Under the ranged-based Precision, range-based Recall Curve (AUC-PTRT) The thesis results show that encoder-decoder anomaly detection (EncDec-AD) achieved the highest overall effectiveness with an AUC-ROC score of 0.9280, while also highlighting the strong result of robust principal component analysis (Robust PCA) across all evaluation metrics. The thesis also identified a clear trade-off between detection accuracy and computational efficiency, with traditional algorithms like k-nearest neighbours (KNN) offering a balance suitable for resource-constrained satellite systems. The thesis findings, when compared to a recent comprehensive survey, indicated enhanced effectiveness of most algorithms on satellite telemetry data, suggesting the potential for domain-specific optimization. Additionally, the thesis demonstrated that semi-supervised learning approaches typically yielded better results than unsupervised learning approaches, highlighting the value of incorporating normal operational patterns in satellite systems into the learning process. The thesis provides critical insights for selecting and implementing anomaly detection algorithms in satellite operations, considering both detection effectiveness and operational constraints. The findings establish a foundation for future research in two key areas: the development of specialized algorithms for space applications to enhance anomaly detection accuracy in satellite telemetry data.

Der Einsatz von autonomen Landmaschinen zur Effizienzsteigerung ist ein aktuelles Entwicklungsthema im Bereich der digitalisierten Landwirtschaft. Im Rahmen des Forschungsprojektes Feldschwarm® Ökosystem ist das Ziel, dass mehrere autonome Landmaschinen simultan ein Feld bearbeiten. Hierfür ist eine vorherige Fahrspurplanung für die Maschinen notwendig. Die Entwicklung einer solchen Fahrspurplanung ist nicht trivial. Aus diesem Grund sind die Simulation und Visualisierung der Planung von Vorteil. Daraus ergibt sich die Forschungsfrage: „Wie kann eine softwaregestützte Simulation einer Fahrspurplanung für Landmaschinen technisch realisiert werden?“ In dieser Masterarbeit wird ein Weg zur Beantwortung dieser Frage aufgezeigt. Konzeptionelle Lösungen für technische Problemstellungen werden vorgestellt und die daraus resultierenden Ergebnisse präsentiert. Zur Lösung der Probleme wurden verschiedene Werkzeuge untersucht und bewertet. Es zeigt sich, dass die Verwendung der Unity-Engine für ein Web-Frontend und die Verwendung der Godot-Engine für ein Simulations-Backend zu guten Ergebnissen führen. Mit diesen Werkzeugen wurde ein Prototyp entwickelt, der bereits während der Entwicklung praktische Relevanz zeigte. Verschiedene Probleme der Fahrspurplanung wurden durch die Simulation und die Visualisierung erkannt und dargestellt.

Diese Diplomarbeit beschäftigt sich mit der Entwicklung und Evaluation eines Datenmodells sowie einer Softwarearchitektur für ein modulbasiertes Entwicklungswerkzeug, das für den Entwurf von ASICs (Application-Specific Integrated Circuits) und FPGAs (Field-Programmable Gate Arrays) verwendet werden kann. Ziel der Arbeit war es, ein flexibles System zu entwickeln, das durch seine Modularität und Erweiterbarkeit den spezifischen Anforderungen unterschiedlicher Projekte gerecht wird und die Effizienz durch frühzeitige Fehlererkennung steigert. Zunächst wurden die Stakeholder sowie der Entwicklungsprozess detailliert analysiert und die Entwurfsdaten untersucht, um die notwendigen Anforderungen an das System abzuleiten. Darauf basierend wurde ein Datenmodell entworfen und verschiedene Konzepte und Technologien verglichen, um die am besten geeigneten Ansätze für die Realisierung des Datenmodells und der Softwarearchitektur zu identifizieren. Für die Softwarearchitektur wurde ein Pluginsystem gewählt. Das Datenmodell und die Architektur wurden in einer Python-basierten Implementierung umgesetzt. Zur Validierung der Anforderungen wurde als spezifischer Anwendungsfall im Entwicklungsprozess die Erzeugung von VHDL-Code gewählt. Zur Demonstration wurden zwei Plugins implementiert: eines zum Laden der Daten und eines als Generator für den VHDL-Code. Das entwickelte System wurde schließlich unter Verwendung der Plugins evaluiert, um die Erfüllung der definierten Anforderungen zu überprüfen. Die Ergebnisse zeigen, dass das System den Anforderungen an Modularität und Erweiterbarkeit gerecht wird, wodurch eine Anpassung des Entwicklungswerkzeugs an die speziellen Bedürfnisse verschiedener Projekte ermöglicht wird. Durch das System wird die Fehlererkennung verbessert und die Effizienz im Entwicklungsprozess weiter gesteigert werden.