What´s Hot in March 2022?
Es wird ein veranstaltungsreiches Frühjahr, daher merkt Euch schon mal diesen Termin vor: Am Donnerstag, 12. Mai 2021, laden wir unsere Studierenden zu einem Tag des Offenen Lehrstuhls von 15.30-18 Uhr zu uns ein. Mehr dazu in den nächsten Tagen auf unseren Social Media-Kanälen & in Moodle!
Forschungsprojekte @TMDT
Schon im März gab es wieder erste Präsenzveranstaltungen: Unser #5G-Team Tobias Meisen, Hannah M. Seichter & Henning Horn war auf dem europaweit ersten 5G Medizincampus am Uniklinikum Düsseldorf dabei, als sich NRW-Minister Andreas Pinkwart auf den aktuellen Stand des Projekts rund um Mixedreality und digitale Gesundheit bringen ließ.
Unser Team Digital Valley Bergische Region (Divabre) konnte erste Initialgespräche mit regionalen kleinen & mittleren Unternehmen führen entweder per Zoom, bei uns am Lehrstuhl oder direkt in den Maschinenhallen in der Bergischen Region. Schaut gerne auf unsere Seite, wenn Ihr mehr von dem Projekt erfahren wollt unter www.divabre.de
Beendet sind nun fast drei Jahre „bergisch.smart_mobility: KI als Enabler der Mobilität von Morgen“. Bei der Abschlussveranstaltung ebenfalls mit NRW-Wirtschaftsminister Andreas Pinkwart hatten Dr. Kathrin Krosch und Dr. André Pomp die Gelegenheit, über die Ergebnisse zu sprechen, die unsere Projektteams im Teilprojekt Rethinking Mobility und dem City Dataspace erzielt haben. Wer sich die Veranstaltung noch einmal ansehen möchte, klickt hier.
Aus eben diesem Teilprojekt sind 15 Podcasts "Rethinking_mobility (in 15 minutes)“ entstanden. In nur einer Viertelstunde hat unser Wissenschaftlicher Mitarbeiter Alexander Engel darin komplexe Sachverhalte aus der sich rapide wandelnden Mobilitätswelt für alle Hörer*innen, von der Expert*in bis hin zu fachfremden Interessierten, kompakt vermittelt. Alle 15 Folgen bleiben online - auf Spotify oder Apple Podcast!
Messen, Konferenzen & Vorträge
Monika Gatzke war für uns in Barcelona auf dem Mobile World Congress unterwegs, Michael Krause beim Innocam.Forum zum Thema automatisierte und vernetzte Mobilität in der Luft. Prof. Dr.-Ing. Tobias Meisen stellte beim Cyberfrühstück der DIN-Standardisierungsbehörde mit einem Impact zum Market for Lemons den Bezug zur Datenqualität her.
Wissenschaftliches Arbeiten @TMDT
Doktorand Simon Hadwiger besuchte seinen Doktorvater Tobias Meisen und uns am Lehrstuhl in Wuppertal. Desweiteren gratulieren wir Onur Gül und Patrick Treppmann zur Bachelorprüfung!
Wissenschaftliche Publikationen @TMDT
Akzeptierte Publikation für das 14. Wissenschaftsforum Mobilität, Universität Duisburg-Essen
Das Abstract von Alexander Engel, Lars Puleikis und Dr. Kathrin Krosch zu "Von aufgestoßenen Türen: Urbane Mobilitätskultur(en) in der Digitalen Transformation - Die Coronapandemie als Katalysator für eine neue Mobilität unter Lebensälteren?" ist für das 14. Wissenschaftsforum Mobilität, Universität Duisburg-Essen, akzeptiert. In ihrem wissenschaftlichen Beitrag setzen sich die Wissenschaftler*innen mit einem Verständnis der auf digitalen Technologien basierenden, serviceorientierten Agenda Mobilitätswende als einer Mobilitätskulturwende auseinander, deren Zugang durch die Anwendung von Informations- und Kommunikationstechnologien (IKT) gesteuert wird.
Akzeptierte Publikation für das atp-Magazin
Der wissenschaftliche Beitrag "Industrielles Transfer-Lernen - Von der Wissenschaft in die Praxis" von Christian Bitter, Tobias Meisen & Hasan Tercan, Lehrstuhl für Technologien & Management der Digitalen Transformation, Bergische Universität Wuppertal, sowie Benjamin Maschler, Hannes Vietz & Michael Weyrich, Universität Stuttgart, ist für das atp magazin - Automatisierung und digitale Transformation akzeptiert! Die Autoren haben sich damit auseinandergesetzt, dass sich trotz hoher Lösungspotentiale des maschinellen Lernens für gängige Probleme der Fertigung und Automatisierungstechnik, in der industriellen Praxis wenig Anwendungsbeispiele finden. Um der Ursache hierfür auf den Grund zu gehen, zeigen die Autoren anhand von vier beispielhaften Anwendungsfällen die Hürden für konventionelles maschinelles Lernen auf und benennen Lösungsansätze mittels industriellem Transfer Learning und Continual Learning.