Open Access

In dieser Arbeit wird ein Prototyp eines Struktureditors für Genx-Dateien entwickelt, der die Datei einlesen, darstellen und bearbeiten kann.

IT company Raritan provides a public API for RPC on the devices they offer. Customers requested a client binding of this API for the Go programming language. This work shows how a Go module with bindings for Raritan’s API can be generated from a formal API description given in an interface definition language (IDL). First, the IDL was analyzed and translated to Go language concepts. A code generator written in Java was extended to produce Go code from IDL declarations. A client speaking JSON-RPC 2.0 over HTTP was written in Go. Written and generated code were combined to form a Go module. The module was published in a version control repository under an open source license. It was tested and verified using the Go tooling and third party linters. The produced module follows common Go idioms and best practices, only uses standard library packages, is well documented, and supports concurrent RPC calls.

Innerhalb der vorliegenden Diplomarbeit wurden vergleichende Geruchsemissionsmessungen an offenen Biofiltern mittels Probenahmehaube und Folienabdeckung nach der DIN EN 13725:2022 und der VDI 3880 durchgeführt. Es werden die Ergebnisse der Geruchsstoffkonzentration und die Durchführbarkeit der Messung nach dem jeweiligen Verfahren betrachtet. Im Rahmen der Versuche wurden Emissionsmessungen an unterschiedlich großen Biofiltern unter Einsatz der beiden Verfahren gemäß den oben genannten Normen durchgeführt. Im Vorfeld wurde eine Methodik zur Durchführung der Messungen konzipiert. Die theoretischen Grundlagen beinhalten Informationen zur Wahrnehmung von Geruch, die Beschreibung der beiden betrachteten Verfahren, die Grundsätze einer olfaktometrischen Auswertung sowie Informationen zu Biofiltern als Abgasreinigungssystem. Im Ausblick werden verschiedene Möglichkeiten weiterer Untersuchungen und Entwicklungen zu der Thematik beschrieben.

Chronische Wunden sind weltweit eine erhebliche medizinische Herausforderung. Die klinische Beurteilung erfolgt anhand der Wunddokumentation, die jedoch häufig noch manuell erstellt wird. Das Ziel dieser Arbeit ist die vollständig automatisierte Klassifikation und Vermessung der drei in der ambulanten Versorgung häufig vorkommenden Wundarten: das Ulcus cruris venosum, der Dekubitus und das diabetische Fußsyndrom. Zu diesem Zweck wurden zwei neuronale Netze auf Basis der YOLO-Architektur trainiert. Als Datengrundlage dienten zwei öffentlich zugängliche Datensätze mit jeweils etwa 400 Bildern. Das erste Modell übernimmt die Segmentierung der Wundränder sowie die Klassifikation der Wundart. Das zweite Modell erkennt Ziffern auf den Wundlinealen in den Aufnahmen, um über deren physischen Abstand einen Maßstab für eine präzise Flächenberechnung unter Realbedingungen zu generieren. Der Fokus lag dabei auf der Optimierung des Segmentierungsmodells und der Entwicklung eines Algorithmus zur automatisierten Maßstabsbestimmung. Die Ergebnisse zeigen, dass trotz der Komplexität der Wunden und einer begrenzten Datenmenge eine robuste Segmentierung und Erkennung erreicht wurde. Durch die Kombination beider Modelle ist eine vollautomatisierte Analyse unter definierten Rahmenbedingungen möglich. Die entwickelte Methode leistet somit einen Beitrag zur digitalisierten Wundanalyse und hat das Potenzial, medizinisches Personal bei der Dokumentation zu entlasten.

Die vorliegende Masterarbeit befasst sich mit der Potenzialanalyse innovativer Technologien zur nachhaltigen Optimierung des technischen Außendienstes in der Labordiagnostik. Die Effizienz der Serviceprozesse wird wesentlich durch eine fragmentierte Systemlandschaft behindert, deren isolierte Verwaltungs- und Wissenssysteme keine direkten Schnittstellen besitzen. Diese technologische Trennung erzwingt manuelle, fehleranfällige Zwischenschritte für den notwendigen Informationsaustausch, was als Hauptursache für unnötigen Zeitverlust identifiziert wurde. Mittels eines qualitativen, explorativen Forschungsdesigns, das Experteninterviews mit analytischen Verfahren wie Nutzwert- und Kosten-Nutzen-Analysen kombiniert, wurde dieses Optimierungspotenzial beleuchtet. Die Systembewertung enthüllte eine Diskrepanz: Während das zentrale Administrationssystem aufgrund geringer Benutzerfreundlichkeit einen niedrigen Nutzwert zeigte, wurde ein proaktives Analysetool zur Geräteüberwachung intern als essenzielles Werkzeug höchst positiv bewertet. Trotz dieser Überlegenheit nutzen die Mitarbeiter das Analysetool jedoch nur unzureichend. Experten fordern daher die Einführung eines KI-basierten Assistenzsystems, welches die heterogenen Datensilos intelligent verknüpft, um klare, statistische Handlungsanweisungen in Echtzeit abzuleiten. Die ökonomische Analyse bestätigte zudem, dass eine gezielte Weiterbildung im Umgang mit dem hoch bewerteten Analysetool unumgänglich ist, da der erwartete jährliche Nutzen die einmaligen Kosten signifikant übersteigt. Eine nachhaltige Steigerung der Servicequalität erfordert folglich die technologische Aufhebung der Systemfragmentierung und die Gewährleistung der Akzeptanz analytischer Werkzeuge.

Magnetic Particle Imaging (MPI) is an emerging tomographic modality recognized for its capability of directly detecting magnetic nanoparticles (MNPs), enabling real-time 3D imaging with high sensitivity. Since its introduction in 2005, various preclinical MPI scanners have been developed, but cross-platform comparisons lack due to missing standardized phantoms and operation protocols. Recently, efforts towards development of human-sized MPI have intensified. To facilitate the transition beyond the preclinical research phase, harmonization of MPI technology is essential. Within the "harmoMPI" project, we seek to develop platform-independent, modular phantoms that enable reliable assessment of key performance parameters for a consistent performance evaluation across different MPI systems. With the support from the MPI research community, the "harmoMPI" initiative aims to harmonize MPI technology, advance collaboration research, and pave the path toward clinically relevant applications.

Diese Bachelorarbeit befasst sich mit der Entwicklung und Integration eines Ticketmoduls in eine bestehende Java-Spring-Webanwendung. Ziel ist es, die Systemfunktionalität zu erweitern und Mitarbeitenden außerhalb des Unternehmensnetzwerks die ortsunabhängige Erstellung und Bearbeitung von Projekttickets über mobile Endgeräte und einen VPN-Zugang zu ermöglichen. Die Anwendung basiert auf Java, Spring Boot/Spring MVC, JavaServer Pages, JavaScript sowie einer Microsoft SQL Server-Datenbank. Im Rahmen der Arbeit wurde ein integriertes Ticketmodul umgesetzt, das die strukturierte Erfassung und Aktualisierung relevanter Ticketinformationen einschließlich projektbezogener, zeitlicher und abrechnungsrelevanter Daten unterstützt. Ein zentrales Element ist ein rollenbasiertes Berechtigungsmodell, das unterschiedliche Rechte für Ticketersteller, Teamleiter, Projektleiter und Sachbearbeiter abbildet. Zusätzlich wurde auf eine benutzerfreundliche und mobil nutzbare Oberfläche geachtet. Die Arbeit umfasst die Analyse der bestehenden Architektur, die Konzeption der benötigten Datenstrukturen, die Implementierung der Server- und Clientlogik sowie eine abschließende Bewertung der Lösung hinsichtlich Funktionalität und Erweiterbarkeit.

In modernen Unternehmen ist es eine zentrale Herausforderung, auf relevante Informationen effizient zuzugreifen. Laut einer McKinsey-Studie aus dem Jahr 2012 verbringen Mitarbeitende trotz der Verfügbarkeit vieler Dokumente und Datenquellen durchschnittlich 1,8 Stunden pro Tag mit der Informationssuche [11]. Demnach kann der erhebliche Verlust an Produktivität bis zu einem ganzen Arbeitstag pro Woche ausmachen. Hier kommen Enterprise-Search-Lösungen ins Spiel, die auch interne Suchmaschinen genannt werden. Sie ermöglichen eine effiziente, sichere und zentrale Suche über verschiedene Systeme und Datenquellen hinweg. Die Anschaffung eines eigenen Suchsystems für das Unternehmen ist, wenn man die damit verbundenen Vorzüge bedenkt, als wertvoll und grundlegend zu betrachten. Einerseits spart man Zeit und erhöht die Effektivität, andererseits wird die Verbreitung von irrelevanten oder falschen Informationen verhindert. Der Fokus liegt längst nicht mehr ausschließlich auf der Suche nach Stichworten. Ryen White (2015) betont, dass moderne Suchsysteme Relevanz über das reine Matching hinaus sicherstellen müssen. Die Aufgabe besteht darin, semantische Zusammenhänge zu erkennen, Ergebnisse kontextbezogen zu personalisieren und sich kontinuierlich an neue Inhalte sowie sich verändernde Nutzerbedürfnisse anzupassen. Technologien wie Natural Language Processing (NLP), Wissensgraphen und Machine Learning sind hierfür von entscheidender Bedeutung und tragen maßgeblich zur Steigerung der Effizienz und Nutzerzufriedenheit bei [9]. Parallel dazu ist ein Anstieg der Komplexität des Informationsraums in Unternehmen zu verzeichnen. Daten liegen oft fragmentiert, unstrukturiert und mit unzureichenden Metadaten in Cloudspeichern, E-Mail-Systemen, ERP- und CRM-Lösungen oder Kollaborationstools vor [9]. Darüber hinaus ist eine Steigerung der Anforderungen an die Datensicherheit, das Berechtigungsmanagement und die nahtlose Integrationsfähigkeit zu verzeichnen. Insbesondere in Branchen, die als sensibel klassifiziert werden, wie beispielsweise dem Gesundheitswesen oder dem Finanzsektor, gewinnen maßgeschneiderte Suchtlösungen daher zunehmend an Bedeutung. Ein aktueller Paradigmenwechsel, der diesen Herausforderungen begegnet, zeichnet sich zudem durch die Integration von künstlicher Intelligenz (KI) in Enterprise-Search-Plattformen aus. Besonders hervorzuheben ist der Einsatz von: ● Retrieval-Augmented Generation (RAG) verbindet die klassische Suche mit generativer KI. Dadurch wird nicht nur die Identifizierung von Dokumenten, sondern auch die Erzeugung kontextbezogener Antworten ermöglicht. Als Beispiele können hier Microsoft Copilot und IBM watsonx.ai genannt werden [25]. ● Large Language Models (LLMs) wie GPT-4, Gemini oder Claude sind dazu in der Lage, komplexe Nutzeranfragen semantisch zu verstehen und kontextsensitiv zu verarbeiten. ● Multimodale Conversational Platforms (MCPs) verbinden Sprache, Text, Bild und strukturierte Daten miteinander, um interaktive Suchdialoge und adaptive Wissensbereitstellung zu ermöglichen [12]. ● Agentic AI bezeichnet Systeme, die dazu in der Lage sind, autonome Aufgaben auszuführen, Entscheidungen zu treffen und komplexe, mehrstufige Workflows mit minimaler menschlicher Aufsicht zu bearbeiten. Zu diesem Zweck bedienen sie sich verschiedener KI-Agenten, die in koordinierter Weise zusammenwirken, um vorgegebene Ziele zu erreichen [13]. Diese Technologien verändern nicht nur die Art und Weise der Informationssuche, sondern sie konfrontieren auch bestehende Systeme mit neuen Herausforderungen. Aspekte wie Skalierbarkeit, Kosten, Infrastrukturkompatibilität und Datenschutz müssen neu bewertet werden, was die strategische Bedeutung der Auswahl und Implementierung moderner Enterprise-Search-Lösungen unterstreicht [9].

Selbst gehostete GitHub-Runner ermöglichen die Ausführung von CI/CD-Workflows innerhalb organisationsspezifischer Infrastrukturen, sind jedoch mit Herausforderungen hinsichtlich Isolation, Persistenz und Wartbarkeit verbunden. Diese Arbeit untersucht die Konzeption und prototypische Umsetzung einer Architektur für ephemere, VM-basierte GitHub-Runner in einer bestehenden VMware-Infrastruktur. Grundlage der Untersuchung ist die Analyse der bestehenden Runner-Umgebung an der Westsächsischen Hochschule Zwickau, in der Persistenz zwischen Job-Ausführungen und eingeschränkte Isolation als zentrale Schwachstellen identifiziert werden. Darauf aufbauend werden Anforderungen an eine Zielarchitektur abgeleitet und verschiedene Mechanismen zur Bereitstellung und Rücksetzung virtueller Maschinen im Hinblick auf ihre Eignung für den Betrieb ephemerer Runner bewertet. Als Ergebnis wird eine Zielarchitektur entwickelt, die GitHub-Webhooks, einen Orchestrator, Ansible-basierte Automatisierung und VMware-basierte Instanziierung kombiniert. Für die Bereitstellung und Rückführung der Runner-Instanzen wird Instant Clone als geeigneter Mechanismus ausgewählt. Auf dieser Grundlage wird ein Prototyp implementiert, der sowohl den Lifecycle einzelner Runner-Instanzen als auch den Deployment- und Update-Prozess der Basisinstanz automatisiert. Die Evaluation zeigt, dass die wesentlichen Anforderungen im Rahmen des Prototyps erfüllt werden. Insbesondere werden eine reproduzierbare Ausgangsumgebung, die automatisierte Rückführung von Runner-Instanzen sowie die Nicht-Persistenz datei- und containerbezogener Zustände zwischen einzelnen Job-Ausführungen nachgewiesen. Damit leistet die Arbeit einen Beitrag zur sicheren und wartungsarmen Bereitstellung selbst gehosteter GitHub-Runner in virtualisierten Hochschul- und Organisationsumgebungen.