IKAI@swf (Winter 2024/25)
(sortiert nach Betreuer)
Robotic Process Automation (RPA): Systematische Analyse und Evaluierung von Herausforderungen in der Prozessautomatisierung.
Die Automatisierung von Robotik-Prozessen (RPA) erfährt in letzter Zeit ein zunehmendes Interesse. Allerdings beschreibt die meiste Literatur nur theoretische Grundlagen zu RPA oder industrielle Ergebnisse nach der Implementierung von RPA in spezifischen Szenarien, insbesondere in den Bereichen Finanzen und Outsourcing. Diese Arbeit präsentiert eine systematische Kartierungsstudie mit dem Ziel, den aktuellen Stand der Technik von RPA zu analysieren und bestehende Lücken sowohl in der wissenschaftlichen als auch in der industriellen Literatur zu identifizieren.
Zunächst bietet diese Studie eine detaillierte Analyse der 54 Primärstudien, die formell den aktuellen Stand der Technik von RPA beschreiben. Diese Primärstudien wurden als Ergebnis der Durchführungsphase des systematischen Reviews ausgewählt. Zweitens wird in Anbetracht der RPA-Studie von Forrester eine Übersicht über 14 der wichtigsten kommerziellen RPA-Tools gegeben, basierend auf einem Klassifizierungsrahmen, der 48 Funktionalitäten definiert und die Abdeckung jeder dieser Funktionalitäten bewertet.
Das Ergebnis der Studie zeigt, dass bestimmte Phasen des RPA-Lebenszyklus auf dem Markt bereits gelöst sind. Allerdings wird die Analyse-Phase in den meisten Tools nicht abgedeckt. Das Fehlen von Automatisierung in dieser Phase spiegelt sich vor allem in dem Mangel an technologischen Lösungen wider, um die besten Kandidatenprozesse einer Organisation zu identifizieren, die automatisiert werden sollten. Abschließend werden einige zukünftige Entwicklungen und Herausforderungen vorgestellt.
Quelle: 2020, J. G. Enríquez; A. Jiménez-Ramírez; F. J. Domínguez-Mayo; J. A. García-García, Robotic Process Automation: A Scientific and Industrial Systematic Mapping Study, https://ieeexplore.ieee.org/document/9001110
Software Verification Witnesses: Konzept und State of the Art.
Motivation: In den letzten Jahren zeigten sich spannende Entwicklungen im Bereich der automatisierten Verifikation von Software, die teilweise auch schon im industriellen Umfeld eingesetzt wurden [3]. Ein vielversprechender Ansatz zur Verifikation von Software ist das Konzept der Verification Witnesses [1]. Ein aktuelles Benchmarking solcher Systeme im Vergleich zu anderen Verifikationssystemen wird in [2] gegeben.
[1] Beyer, D. et al. (2022): Verification Witnesses. ACM Transactions on Software Engineering and Methodology (TOSEM), Volume 31, Issue 4, https://doi.org/10.1145/3477579
[2] Beyer, D. (2024). State of the Art in Software Verification and Witness Validation. https://doi.org/10.1007/978-3-031-57256-2_15
[3] Cordeiro, L. (2021): Exploiting the SAT Revolution for Automated Software Verification: Report from an Industrial Case Study. Latin-American Symposium on Dependable Computing. https://doi.org/10.5753/ladc.2021.18531
Informationsextraktion aus semistrukturierten Dokumenten.
LIU, Jixiong, et al. From tabular data to knowledge graphs: A survey of semantic table interpretation tasks and methods. Journal of Web Semantics, 2023, 76. Jg., S. 100761.
TANG, Zineng, et al. Unifying vision, text, and layout for universal document processing. In: Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2023. S. 19254-19264.
LUO, Chuwei, et al. Geolayoutlm: Geometric pre-training for visual information extraction. In: Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2023. S. 7092-7101.
Erkennung von Handschrift.
AGRAWAL, Vanita; JAGTAP, Jayant; KANTIPUDI, MVV Prasad. Exploration of Advancements in Handwritten Document Recognition Techniques. Intelligent Systems with Applications, 2024, S. 200358.
LI, Minghao, et al. TrOCR: Transformer-based optical character recognition with pre-trained models. In: Proceedings of the AAAI Conference on Artificial Intelligence. 2023. S. 13094-13102.
Dolmetscher für Gehörlose: Gebärdensprachenavatare.
GIBET, Sylvie; MARTEAU, Pierre-François. Signing avatars-multimodal challenges for text-to-sign generation. In: 2023 IEEE 17th International Conference on Automatic Face and Gesture Recognition (FG). IEEE, 2023. S. 1-8.
DONG, Lu, et al. SignAvatar: Sign Language 3D Motion Reconstruction and Generation. arXiv preprint arXiv:2405.07974, 2024.
AZIZ, Maryam; OTHMAN, Achraf. Evolution and Trends in Sign Language Avatar Systems: Unveiling a 40-Year Journey via Systematic Review. Multimodal Technologies and Interaction, 2023, 7. Jg., Nr. 10, S. 97.
Agentenbasierte RAG-Systeme.
JEONG, Cheonsu. A Study on the Implementation Method of an Agent-Based Advanced RAG System Using Graph. arXiv preprint arXiv:2407.19994, 2024.
On-device training under 256KB memory (Ji Lin, Ligeng Zhu, Wei-Ming Chen, Wei-Chen Wang, Chuang Gan, and Song Han), 2024. In Proceedings of the 36th International Conference on Neural Information Processing Systems (NIPS '22). https://tinyml.mit.edu
Die Seminararbeit soll das Thema des On-Device Trainings mit stark begrenzten Speicherressourcen basierend auf der Arbeit von Lin et al. untersuchen. On-Device Training erlaubt es, vortrainierte Modelle direkt auf IoT-Geräten anzupassen, ohne die Daten in die Cloud zu übertragen, was die Privatsphäre schützt. Ein Hauptproblem besteht jedoch in der extrem eingeschränkten Speicherverfügbarkeit von nur 256KB. Die Primärquelle stellt einen Algorithmus-System-Co-Design-Ansatz vor, der zwei zentrale Herausforderungen adressiert: (1) die Optimierung quantisierter neuronaler Netze mit niedriger Bitpräzision und ohne Normalisierung, sowie (2) die eingeschränkte Hardware, die vollständiges Backpropagation verhindert. Um diese Probleme zu lösen, schlagen die Autoren Quantization-Aware Scaling zur Stabilisierung des Trainings und Sparse Update zur Reduktion des Speicherbedarfs vor. Die Implementierung erfolgt im Tiny Training Engine, das es ermöglicht, auch unter extremen Speicherbeschränkungen kontinuierliches Lernen auf IoT-Geräten durchzuführen. Ziel der Arbeit ist es, die Methodik und Potenziale dieser Technologie für Anwendungen in der embedded AI zu analysieren.
Der EU AI Act: Chancen und Risiken für Unternehmen (anhand konkreter Fallstudien)
Die Seminararbeit soll die Auswirkungen des EU AI Acts auf Unternehmen in Europa untersuchen. Im Fokus stehen die Chancen und Risiken, die sich durch die regulatorischen Anforderungen für Unternehmen und insbesondere KMUs ergeben. Es soll möglichst anhand konkreter Fallstudien analysiert werden, wie Unternehmen in verschiedenen Branchen auf die neuen Vorgaben reagieren müssen. Es soll herausgearbeitet werden, welche strategischen Anpassungen Unternehmen für eine erfolgreiche Implementierung von KI-Lösungen wichtig sind und welche regulatorischen und wirtschaftlichen Auswirkungen der AI Act allgemein mit sich bringt. https://artificialintelligenceact.eu/ai-act-explorer/ , https://www2.deloitte.com/content/dam/Deloitte/fr/Documents/explore/deloitte-eu-ai-act-deepdive.pdf
Demystifying Chains, Trees, and Graphs of Thoughts (Maciej Besta et al.), arXiv:2401.14295. Jan. 2024
In dieser Seminararbeit soll das Paper “Demystifying Chains, Trees, and Graphs of Thoughts”, das sich mit der Optimierung von Large Language Models (LLMs) durch strukturierte Prompts wie Chain-of-Thought, Tree of Thoughts und Graph of Thoughts beschäftigt, analysiert und wiedergegeben werden. Der Fokus liegt auf der Einführung einer Taxonomie dieser Prompting-Ansätze und deren Auswirkungen auf die Leistung und Effizienz von LLMs. Ziel der Arbeit ist es, die theoretischen Grundlagen dieser Methoden zu erklären, ihre Anwendungsmöglichkeiten in verschiedenen Aufgabenfeldern zu beschreiben und Herausforderungen für das Prompt Engineering darzulegen.
ZX Fusion: A ZX Spectrum Implementation on an FPGA with Modern Peripherals (Jacinto, G.; Policarpo Duarte, R.6). Electronics 2024, 13, 450. https://doi.org/10.3390/electronics13020450 , https://www.mdpi.com/2079-9292/13/2/450
Game console emulation – Functionality, legality and helpfulness in preserving software (Joonas Timonen), Bachelor thesis, https://www.theseus.fi/bitstream/handle/10024/862381/Timonen_Joonas.pdf
Experience of Classes with the Portable Cloud Computing System and a Raspberry Pi Cluster (Yamanoue, Takashi). Proceedings of the 2024 ACM SIGUCCS Annual Conference. 2024, https://dl.acm.org/doi/abs/10.1145/3599732.3641317
Deleted File Recovery for the Linux File System (Ext4): Finding the State-of-the-Art (S. B. Sirivaram and S. Roy), 2024 12th International Symposium on Digital Forensics and Security (ISDFS), San Antonio, TX, USA, 2024, pp. 1-6, doi: 10.1109/ISDFS60797.2024.10527331, https://ieeexplore.ieee.org/abstract/document/10527331
GuardFS: a File System for Integrated Detection and Mitigation of Linux-based Ransomware (von der Assen, J., Feng, C., Huertas Celdrán, A., Oleš, R., Bovet, G., and Stiller, B.), arXiv e-prints, Art. no. arXiv:2401.17917, 2024. doi:10.48550/arXiv.2401.17917, https://arxiv.org/pdf/2401.17917
XFUSE: An Infrastructure for Running Filesystem Services in User Space (Qianbo Huai, Windsor Hsu, Jiwei Lu, Hao Liang, Haobo Xu, and Wei Chen, Alibaba Group), https://www.usenix.org/conference/atc21/presentation/hsu , https://www.usenix.org/system/files/atc21-huai.pdf
Defining
Atomicity (and Integrity) for Snapshots of Storage in Forensic
Computing (Jenny Ottmann, Frank Breitinger and Felix
Freiling),
https://dfrws.org/presentation/defining-atomicity-and-integrity-for-snapshots-of-storage-in-forensic-computing/
Prof. Arinir, Doga: arinir.doga@fh-swf.de
Prof. de Vries, Andreas: de-vries.andreas@fh-swf.de
Prof. Eßer, Hans-Georg: esser.hans-georg@fh-swf.de
Prof. Gawron, Christian: gawron.christian@fh-swf.de
Prof. Giefers, Heiner: giefers.heiner@fh-swf.de
(hge, 2024-10-12)