Promovierende im Fachbereich Informatik

Forschung im Fachbereich Informatik ist herausfordernd. Nachfolgend geben wir einen kleinen Einblick in die Themenvielfalt der Forschungsarbeiten unserer Promovierenden und listen auf, von wem sie an der H-BRS betreut werden. Weiterführende Links führen zu Forschungsinstituten, Kooperationspartnern, Veröffentlichungen u.ä. (Auswahl, Stand März 2021).

Iman Awaad, Autonomous Systems
Menschen sind in der Lage, Pläne zur Erreichung ihrer Ziele zu entwickeln und sie an Veränderungen in ihrer Umgebung anzupassen, indem sie ohne große Überlegungen Lösungen und Alternativen finden und Chancen nutzen. Trotz jahrzehntelanger Forschung sind künstliche Agenten, wie z.B. Roboter, nicht so robust und flexibel. Wenn wir uns ansehen, wie wir trotz der sich ständig verändernden Umgebungen und unseres eigenen Mangels an Allwissenheit die Dinge erledigen, stellen wir fest, dass dies meist dadurch erreicht wird, dass wir fehlende oder nicht verfügbare Objekte ersetzen und Annahmen über Objekte treffen, über die wir nur begrenzte Informationen haben. Doktorandin Iman Awaad hat sich zum Ziel gesetzt, Servicerobotern, die in häuslicher Umgebung arbeiten, die Nutzung dieser beiden Techniken zur Unterstützung menschlicher Anwendenden zu ermöglichen.
Betreuung: Prof. Dr. Paul Plöger (Prof. Dr. Gerhard Kraetzschmar)
 

Daniel Bachmann

Doktorand Daniel Bachmann verbindet Machine Learning mit Computergrafik: Im Neural Rendering helfen Neuronale Netze, aus 2D-Bildern möglichst effizient 3D-Darstellungen zu machen.

Fertigung, Unterhaltung, Bildung und viele andere Branchen benötigen reale oder fiktive virtuelle 3D-Modelle. Die moderne Computergrafik erzeugt hochqualitative visuelle und sogar fotorealistische Inhalte. Diese Qualität hat jedoch zwei große Nachteile: Traditionelle Methodenbenötigen lange Berechnungszeiten. Zweitens ist mit zunehmender Bildqualität eine extrem feine Geometrie gefragt, die die gewünschte Szene darstellt. Daher ist eine der zeitaufwändige und mühsame Nachbearbeitung von Hand erforderlich. 

Doktorand Daniel Bachmannn macht sich tiefengenerative Ansätze mit neuronalen Netzwerken, insbesondere dem neuronalen Rendering zunutze. 

Betreuung: Prof. Dr. André Hinkenjann

Saugata Biswas
Online-Fernausbildung für Montage, Betrieb und Wartung ist in der Industrie vorteilhaft, um Zeit und Geld zu sparen, insbesondere wenn Konzerne Standorte auf mehreren Kontinenten haben (z.B. Automobilindustrie, Ölfirmen, etc.). Derzeit sind die Ferntrainingserfahrungen durch begrenzte Kameraperspektiven und das Fehlen geeigneter Navigationstechniken für die Kameraansicht je nach Aufgabe eingeschränkt. In diesem Promotionsprojekt entwickelt Doktorand Saugata Biswas ein autonomes Kamera-Sichtpunktmanagementsystem mit Hilfe eines Roboterarms in einem Multikamera-Trainingsszenario. Diese Doktorarbeit wird sich auf die Verbesserung der Online-Trainingserfahrung von Remote Trainees konzentrieren. Doktorand Saugata Biswas ist seit 2019 Stipendiat des Institute for Visual Computing (IVC).
Betreuung: Prof. Dr. Ernst Kruijff
 

Ahmad Drak, TREE
Ahmad Drak entwickelt ein fliegendes Robotersystem, das in der Lage ist, die sich ständig verändernde Umgebung, in der es sich bewegt, effizient zu erkunden. Das Ergebnis ist eine Fülle nützlicher Informationen, die das System lernen und maximieren soll. Damit wird erstens die Zeit verkürzt, die der Roboter für die Erforschung seiner Umgebung benötigt, und zweitens wird der Energieverbrauch des Robotersystems reduziert. Doktorand Ahmed Drak ist seit 2018 Stipendiat des Instituts für Technik, Ressourcenschonung und Energieeffizienz (TREE). Weitere Informationen.
Betreuung: Prof. Dr. Alexander Asteroth

Ruben Gonzalez, ISF
Kryptografie, also Verschlüsselungstechnik, wird heute überall eingesetzt. Beim Onlinebanking genauso wie beim Öffnen des Autos mittels Fernbedienung. Eine neue Art von Computer, der Quanten-Computer, bedroht allerdings die aktuelle Generation von Verschlüsselungssystemen. Um weiterhin auf der sicheren Seite zu bleiben müssen daher neue kryptographische Verfahren erdacht, entwickelt und getestet werden. Dieser Forschungszweig nennt sich Post-Quantum Cryptography. Doktorand Ruben Gonzalez erforscht wie Post-Quantum Cryptography auf den aller kleinsten Geräten, den Constraint Embedded Devices (z.B. Feinstaubsensoren, Kreditkarten), funktionieren kann.
Betreuung: Prof. Dr. Karl Jonas

Carl-Daniel Hailfinger
Doktorand Carl-Daniel Hailfinger ist Datensicherheit ein wichtiges Anliegen. Moderne Computer und ihre Komponenten verarbeiten und speichern Daten so, dass die Auslastung der Recheneinheiten und der Durchsatz maximiert wird. Diese internen Optimierungsstrategien führen dazu, dass die Ausführung in einer anderen Verarbeitungsabfolge geschieht und das Zeitverhalten in der Realität in einer Art und Weise variieren kann, wie es von Seiten der Anwender und Programmierer nicht erwartet wird. Zwar entspricht das vordergründig von außen feststellbare Verhalten (Architektur) z.B. eines Mikroprozessors den Erwartungen, aber intern wird tatsächlich in der sog. Mikroarchitektur durch spekulative Ausführung, Vorhersage, Zwischenspeicherung und Umsortierung von Instruktionen und Daten ein erheblicher Geschwindigkeitsgewinn erzielt. Angriffe wie Spectre, die in den letzten Jahren publik wurden, nutzen daraus resultierende Seiteneffekte aus, um gegen Zugriff geschützte Daten aus einem anderen Prozess auszuspähen (Side Channel / Covert Channel). Doktorand Carl-Daniel Hailfinger forscht an der Entwicklung von neuartigen Möglichkeiten, wie man einerseits solche Seiteneffekte in der Mikroarchitektur ausnutzen und damit Daten ausspähen oder transferieren kann, und andererseits wie man sich gegen solche unerwünschten Angriffe schützen kann.
Betreuung: Prof. Dr. Kerstin Lemke-Rust

Melanie Ludwig
Doktorandin Melanie Ludwig untersucht in ihrer Forschung, wie sie die Fitness einer Person beim Ausdauersport nur mit Hilfe der Herzfrequenz am Computer modellieren, also nachbilden und auch vorhersagen kann. Normalerweise ist die Feststellung der Fitness im Ausdauersport mit aufwändigen und anstrengenden Tests verbunden, die insbesondere im Hobby- und Gesundheitssport aus vielerlei Gründen nur schwer umsetzbar sind. Melanie Ludwig möchte mit ihren Computermodellen, die auf alltäglicher sportlicher Aktivitäten und der Herzfrequenz beruhen, aufwändige Tests vermeiden und möglichst viele Menschen durch individuelles und gesundheitsförderliches Training unterstützen. Weitere Infos
Publikationen
Betreuung: Prof. Dr. Alexander Asteroth

Alexander Marquardt
Datenbrillen sind Brillen, in deren Sichtfeld zeitgleich alle erdenklichen Informationen visuell eingeblendet werden. Allerdings verfügen selbst moderne Datenbrillen nur über ein sehr eingeschränktes Sichtfeld. Ungewollten Nebeneffekte wie Verzerrungen, fehlerhafte Tiefeninterpretation oder schlechte Lesbarkeit von Informationen sind die Folge – insbesondere bei zunehmender Informationsdichte. An der H-BRS werden interdisziplinär gängige View Management-Verfahren erforscht und verbessert. So soll ein Teil der visuellen digitalen Information in Audio- und Vibrationsreize umwandelt werden. Alexander Marquardts Schwerpunkt liegt auf dem Entwurf, der Entwicklung sowie der technischen Umsetzung dieser neuartigen, multisensorischen Informationsversorgung. Sein Ziel ist es, die visuelle Komplexität zu verringern. Außerdem soll die Aufmerksamkeit des Nutzers auf möglichst intuitive Art und Weise auf diejenigen Informationen gelenkt werden, die für ihn von besonderem Interesse sind. Doktorand Alexander Marquardt ist seit 2018 Stipendiat des Institut for Visual Computing (IVC) in der Arbeitsgruppe 3DMi.
Betreuung: Prof. Dr. Ernst Kruijff

Aleksandar Mitrevski
Nützliche autonome Roboterassistenten benötigen die Fähigkeit, ihr Verhalten zu modifizieren, wenn dieses von dem abweicht, was erwartet oder gewünscht wird; mit anderen Worten, sie brauchen die Fähigkeit, mit Ausführungsfehlern umzugehen und entsprechend aus ihnen zu lernen. Doktorand Aleksander Mitrevski entwickelt Verhaltensmodelle, die ein Haushaltsroboter durch Erfahrungen mit der Welt erwerben kann und die sowohl für die Vorhersage von Fehlern als auch für die Diagnose ihrer Ursachen verwendet werden können. Er untersucht insbesondere das Gleichgewicht zwischen modelliertem und erlerntem Verhalten und kombiniert Techniken wie Lernen durch Vorführung, Verstärkungslernen, qualitative Modellierung und logisches Denken. Das übergeordnete Ziel seines Projekts ist es, Roboter zuverlässiger und damit für den praktischen Alltagseinsatz nützlicher zu machen.
Betreuung: Prof. Dr. Paul Plöger

Argentina Ortega, Autonmous Systems
In Langzeiteinsätzen wiederholen Roboter ihre programmierten Aufgaben immer wieder und erstellen jedes Mal neue Pläne. Eines der Forschungsziele von Doktorandin Argentina Ortega ist es, zu untersuchen, wie Roboter ihre Planung verbessern können, indem sie Informationen aus ihren früheren Läufen verwenden. Aus diesen Informationen erstellt sie Erfahrungsmodelle, damit Roboter seine früheren Pläne in optimierter Form wiederverwenden kann. Dies senkt die Bereitstellungskosten und erhöht gleichzeitig die Transparenz, Erklärbarkeit und den Systemdurchsatz. Doktorandin Argentina Ortega ist seit 2019 Stipendiatin der Gleichstellungsstelle und ins MAS-Team unserer Hochschule eingebunden.
Betreuung: Prof. Dr. Erwin Prassler

Christoph Pomrehn
Bei der Raman- und Infrarotspektroskopie handelt es sich um zwei unterschiedliche optische Messverfahren. In Verbindung mit einem Mikroskop werden Sie zur Untersuchung kleinster mikroskopischer Proben angewendet. Dabei werden die Proben bezüglich ihrer Oberflächenbeschaffenheit, aber auch bezüglich ihrer materiellen Zusammensetzung untersucht. Unter bestimmten Vorrausetzungen können die dabei erzeugten Bilder (Hyperspektrale Bilder) komplementäre, also sich ergänzende Informationen derselben Probe enthalten. Christoph Pomrehn entwickelt im Rahmen dieses Forschungsthemas Strategien, um diese Informationen aus den erzeugten Bildern zu gewinnen und sie in ausgewählten Anwendungsfällen einer computergestützten Analyse zugänglich zu machen. Christoph Pomrehn ist seit 2018 Stipendiat des Fachbereichs Informatik.
Betreuung: Prof. Dr. Rainer Herpers

Sven Schneider
Im Gegensatz zu Industrierobotern erwarten wir von Haushaltsrobotern, dass sie mit ihren Armen Greifbewegungen situationsbedingt ausführen können. Dafür müssen sie diese Fähigkeit aber erst erlernen, und zwar mithilfe von Modellen aus verschiedenen Disziplinen (z.B. der Mechanik oder der Regelungstechnik). Doktorand Sven Schneider stellt Haushaltsrobotern dieses interdisziplinäre Wissen zur Verfügung, in dem er anwendungsspezifische Sprachen entwickelt. Wenn man so will, ist er Dolmetscher und Sprachlehrer für Haushaltsroboter.
Betreuung: Prof. Dr. Nico Hochgeschwender

Katharina Stollenwerk, Informatik, Institute for Visual Computing
Schmerzen im unteren Rückenbereich sind ein wichtiges Thema in modernen westlichen Gesellschaften. Mit tragbaren Geräten können Haltungsveränderungen durch Haltungsschulung verfolgt, die Form der Wirbelsäule gemessen und die Wirbelsäulenkrümmung rekonstruiert werden. Doktorandin Katharina Stollenwerk konzentriert sich in ihrer Forschung auf die systematische Auswertung von (spezifischen) sensorgestützten Wearables und die Rekonstruktion der Wirbelsäulenkrümmung sowie die Analyse der aufgezeichneten Daten. Dies verbessert in der Rückenschulung das Haltungstraining mit zuverlässigen und objektiven Messungen der Wirbelsäulenform. Trainer und Trainierende erlangen so ein besseres Verständnis ihres Tuns bzw. Konzepts.
Betreuung: Prof. Dr. André Hinkenjann

Santosh Thoduka, Autonomous Systems
Roboter sind in der Regel für Aufgaben programmiert, indem sie einer Liste von Aktionen wie Bewegen, Schauen, Kommissionieren usw. folgen. Wenn etwas Unerwartetes passiert, kann ein Roboter oft nicht mit der Situation umgehen, weil er 1) nicht erkannt hat, dass etwas schief gelaufen ist und 2) nicht für die neue Situation programmiert wurde. Das Erkennen solcher Situationen ermöglicht es Robotern zu entscheiden, ob sie mit der Aufgabe fortfahren, einen Menschen über das Problem informieren oder versuchen, das Problem selbst zu lösen. Santosh Thodukas Arbeit konzentriert sich auf die Verwendung der Kamera des Roboters, um unerwartete Situationen zu erkennen, die auftreten können, während der Roboter eine Aufgabe ausführt. Doktorand Santosh Thoduka ist seit 2018 Stipendiat des Graduierteninstituts. Weitere Informationen. 
Betreuung: Prof. Dr. Paul Plöger

Christina Trepkowski
Augmented Reality-Brillen sind Datenbrillen, in deren Sichtfeld zeitgleich alle erdenklichen Informationen visuell eingeblendet werden. Diese Informationen sollen das Bewusstsein für bestimmte Situationen durch korrekte Wahrnehmung, Interpretation und Einschätzung der Umgebung verbessern. Aktuelle AR-Brillen haben allerdings einen Nachteil: Ihr Sichtfeld ist so klein, dass die eingeblendeten Informationen kritische Hinweise aus der Umwelt verdecken, die Brillentragenden ablenken oder sie mit einer zu großen Informationsdichte überfordern können. Ebenso wie Alexander Marquardt arbeitet auch Christina Trepkowski daran, einen Teil der visuellen digitalen Information in Audio- und Vibrationsreize umzuwandeln. Als Psychologin liegt ihr Schwerpunkt darauf, diese neuartigen Methoden zu bewerten, zu vergleichen und zu optimieren, indem sie Verfahren zur Messung des Situationsbewusstseins der Brillentragenden entwickelt und einsetzt. Christina Trepkowski ist seit 2018 Stipendiatin des Institut of Visual Computing (IVC) in der Arbeitsgruppe 3DMi.
Betreuung: Prof. Dr. Ernst Kruijff

Djordje Vukcevic, Autonomous Systems

Wenn es darum geht, sich in unstrukturierten Räumen zu bewegen, haben Mensch und Tier dem Roboter immer noch einiges voraus. Djordje Vukcevic weiß, woran das liegt: Lebewesen nutzen bei ähnlichen Bewegungsaufgaben ihre natürlich Dynamik aus. Genau das möchte Vukcevic auch der Maschine beibringen: Es kommt dabei nicht nur auf Präzision an, sondern auch auf Effizienz und Robustheit in der Software. 

Er entwickelt reproduzierbare Steuerungsalgorithmen und -architekturen, die die natürliche Dynamik von Robotern ausnutzen und sich in Echtzeit unter wechselnden Randbedingungen anwenden lassen. 

Betreuung: Nico Hochgeschwender

Djordje Vukcevic ist seit 2021 Stipendiat des Fachbereichs Informatik. 

Mohammad Wasil

Autonome Systeme und Roboter arbeiten in dynamischen Umgebungen, die sich im Laufe der Zeit allmählich oder radikal verändern. Um Aufgaben in solchen sich ständig verändernden Umgebungen erfüllen zu können, sollte der Roboter kontinuierlich lernen und seine Fähigkeiten anpassen. Kontinuierliches Lernen (CL) ist ein maschinelles Lernverfahren, das aus kontinuierlichen Datenströmen lernt. CL zielt darauf ab, den Kompromiss zwischen den beizubehaltenden und den zu erweiternden Fähigkeiten auszugleichen, eine Eigenschaft, mit der das derzeitige maschinelle Lernen zu kämpfen hat. Diese Doktorarbeit konzentriert sich auf die Nutzung der physischen Interaktion eines Roboters, um räumlich-zeitliche Informationen über die Umgebung zu nutzen und so robustere Daten zu erhalten, um das Problem des kontinuierlichen Lernens zu vereinfachen. 

Betreuung: Prof. Dr. Sebastian Houben

Stephan Wiefling, Informatik
Viele von uns kennen das Problem mit Passwörten: Sind sie kurz, können wir sie uns leicht merken, erleichtern dadurch aber auch Hackern den Zugriff auf unsere Accounts. Lange Passwörter sind hingegen sicherer, lassen sich aber nur schwer merken. Doktorand Stephan Wiefling erforscht, wie sich die Sicherheit von Passwörtern erhöhen lässt, ohne dabei die Last für Nutzende zu erhöhen. Ein vielversprechender Ansatz ist dabei die sogenannte Risikobasierte Authentifizierung (RBA), welche von großen Onlinediensten wie Google, Facebook und Amazon eingesetzt wird, diese aber trotz ihres großen Potenzials kaum erforscht und aufgrund mangelnder Transparenz der Dienste, die RBA einsetzen, bei kleineren Webseiten kaum verbreitet ist. Stephan Wiefling untersucht, wie Onlinedienste diese Technologie einsetzen, wie Nutzende sie wahrnehmen und nutzen (Usability) und wie RBA im Bezug auf Datenschutz und Privatsphäre effizient eingesetzt werden kann. Die Forschungsergebnisse sollen für ein vollumfassendes Verständnis von RBA sorgen, wodurch die Verbreitung der Technologie erhöht werden könnte und somit noch mehr Webseiten weltweit ihre Nutzenden noch besser vor Hackern schützen könnten. Betreuung: Prof. Dr. Luigi Lo Iacono

Youssef-Mahmoud Youssef
In vielen industriellen Anwendungen werden verteilte Robotersysteme eingesetzt, z.B. in intelligenten Lagern, in verschiedenen Bereichen der Logistik oder bei der Entsorgung von nuklearen und gefährlichen Abfällen. Um die Zuverlässigkeit dieser komplexen Systeme zu gewährleisten, ist es notwendig, intelligente, erklärbare Modelle zu entwickeln, die das unterschiedliche Verhalten der Roboter effizient beschreiben. Doktorand Youssef-Mahmoud Youssef untersucht die Fehlererkennung und Diagnose von verteilten Robotersystemen anhand von erklärbaren Hypothesen. Youssef Mahmoud Youssef ist seit 2019 Stipendiat des Fachbereichs Informatik.
Betreuung: Prof. Dr. Martin Müller