Fachgruppe Künstliche Intelligenz in Anwendungen (KIA)
Ausführliche Beschreibung anzeigen
Das Bild ist eine Collage, die verschiedene Aspekte der Künstlichen Intelligenz (KI) und deren Anwendungen zeigt:
- Links oben: Ein Foto des Gebäudes der Technischen Hochschule Lübeck. Ein rotes, gestricheltes Rechteck hebt einen Baum hervor, der mit dem englischen Wort „tree“ beschriftet ist. Dies symbolisiert die Objekterkennung durch KI.
- Rechts oben: Ein Foto eines vierbeinigen Roboters, der an einen Hund erinnert, steht auf einem Gehweg. Dies steht für Robotik und autonome Systeme.
- Ganz rechts oben: Ein Foto mit einem Becherglas und einer kleinen schwarzen Schweinefigur, was auf Laborumgebungen oder Experimente hinweisen könnte.
- Unten links: Ein schematisches Diagramm eines einfachen künstlichen Neurons: Drei Eingänge (x1, x2, x3) werden mit Gewichten (ω1, ω2, ω3) multipliziert, aufsummiert (Σ) und durch eine Aktivierungsfunktion (f(Σ)) verarbeitet. Zwei Ausgänge (y1, y2) resultieren daraus.
- Unten rechts: Ein weiteres schematisches Diagramm eines mehrschichtigen künstlichen neuronalen Netzes mit vier Eingängen (x1 bis x4), mehreren verdeckten Schichten mit vielen Neuronen und zwei Ausgängen (y1, y2). Die Knoten sind durch Linien miteinander verbunden
Künstliche Intelligenz (KI) ist ein dynamisches, interdisziplinäres Fachgebiet mit einem breiten fachlichen Anwendungsspektrum. Die Fachgruppe “Künstliche Intelligenz in Anwendungen (KIA)” bündelt KI-Kompetenzen der Technischen Hochschule Lübeck. Mit einer breiten fachlichen Expertise aus allen Fachbereichen der THL werden Möglichkeiten und Herausforderungen der KI praxisbezogen untersucht, demonstriert und angewendet.
Zu den Aufgaben der Fachgruppe zählen:
- Forschung und Transfer zu verschiedenen KI-Methoden- und in verschiedenen Anwendungsfeldern
- Sensibilisierung für das Thema KI durch Vernetzungsveranstaltungen und Lehraktivitäten
Kontakt:
Fachgruppe Künstliche Intelligenz in Anwendungen (KIA)
Technische Hochschule Lübeck
Fachbereich Elektrotechnik und Informatik
Mönkhofer Weg 239
23562 Lübeck
E-Mail: kia(at)th-luebeck.de
Unsere vielfältigen methodischen und fachlichen Ansätze lenken uns dabei innovative Anwendungsfälle mit Partnern anhand folgender KI-Kompetenzen zu identifizieren:
Maschinelles Lernen
Maschinelles Lernen Algorithmen wie Support Vector Machines und Neuronale Netze 1. Generation. Maschinelles Lernen (bestehend aus Künstlichen Neuronale Netzen oder weiteren datengetriebenen, statistischen Verfahren) ermöglicht es, versteckte Muster und Zusammenhänge in Daten zu erkennen und für die Entscheidungsfindung zu nutzen. Outlier Detection, Clustering, Klassifikation, Regression, Zeitreihenanalyse und grundlegende Natürliche Sprachverarbeitung (Natural Language Processing, NLP) gehören zu klassischen Ansätzen des Maschinellen Lernens.
Deep Learning (Neuronale Netze der 2. Generation)
Komplexe Neuronale Netze bieten eine Vielzahl an Einsatzmöglichkeiten wie beispielsweise:
- Image Processing:Algorithmn wie Convolutional Neural Networks (CNNs), Visual Transformer sind geeignet, um Bilder effizient zu klassifizieren. Frameworks wie YOLO können genutzt werden, um Object Detection durchzuführen. U-Net Architekturen können genutzt werden, um pixelgenaue Bild Segmentierung durchzuführen.
- Natural Language Processing:Effiziente Sprachverarbeitung beispielsweise in der Textzusammenfassung, Named-Entity-Recognition, Textklassifikation wird mit Transformerarchitekturen durchgeführt.
- Zeitreihen:Zeitreihen wie zeitliche Absatzverläufe im Unternehmen werden mit Architekturen wie Long-Short-Term-Memory (LSTM), Transformer-, CNN-Netzen prognostiziert.
- Generative AI:Generative Adverserial Networks, Diffusion Models werden eingesetzt, um photorealistische Bilder zu erzeugen. Texte können über Transformerarchitekturen wie in Large Language Models (LLMs) effizient erzeugt werden.
Spiking Neural Networks (Neuronale Netze der 3. Generation)
Neuronale Netze in der Zeitdomaine sind Gegenstand der Grundlagenforschung und können völlig neuartige Eigenschaften aufweisen. Beispielsweise benötigen sie eine deutlich geringere Energiemenge und lassen sie sich einfacher mit biologischen, neuronalen Netzen in Schnittstellentechnologien verbinden.
Agenten, Roboter und EdgeAI
Neue Agenten- und Roboter-Technologien ermöglichen autonome Cyber- physikalische Systeme, die sowohl in digitalen als auch physischen Umgebungen ihre Leistungen erbringen können. Forschung im Bereich EdgeAI erlaubt es leistungsstarke KI-Algoritmen auf ressourcenbeschränkter Hardware auszuführen.
Anwendungsbereiche
Unsere Domänen-Expertise ist dabei breit und deckt u.a. die folgenden Anwendungsbereiche ab:
- Qualitätsmanagement durch Bildverarbeitung in der Produktion
- Bildverarbeitung in der Medizintechnik
- Bilderverarbeitung in der Robotik
- Einsatz von Large Language Models an der Mensch-Computer-Schnittstelle
- Large Language Models in der Software Entwicklung
- Tourenplanoptimierung in der Transportlogistik
- Losgrößenoptimierung in der Produktion
- Fraud Detektion im E-Commerce
- IT-Security pattern recognition
- Energieverbrauchsprognosen
- Prognosen in der Hydrologie
- KI in der Bildung durch z.B: Customization der Lehrinhalte
Sprecher (in alphabetischer Reihenfolge):
| Prof. Dr.
Niklas Beuter | |
| Telefon: | +49 451 300 5807 |
| E-Mail: | niklas.beuter@th-luebeck.de |
| Raum: | G.2 17-0.09 |
- KI und Autonome Systeme
- Bildverarbeitung in industriellen Anwendungsfeldern
- Anwendung von Large Language Models
- Edge AI
| Prof. Dr. rer. nat.
Dipl.-Phys.
Henrik Botterweck | |
| Telefon: | +49 451 300 5022 |
| Fax: | +49 451 300 5082 |
| E-Mail: | henrik.botterweck@th-luebeck.de |
| Raum: | B.64 64-3.38 |
- Medizinische Bildgebung
- Medizintechnische Anwendungen
| Prof. Dr. rer. nat.
André Drews | |
| Telefon: | +49 451 300 5187 |
| E-Mail: | andre.drews@th-luebeck.de |
| Raum: | C.4 1-0.18 |
- Bildverarbeitung/-generierung, Sprachverarbeitung/-generierung z.B. im medizinischen und Industriellen Umfeld
- Anwendung von Large Language Models
- Edge AI
- Grundlagenforschung: Spiking Neural Networks und KI-Agenten
Professor*innen (in alphabetischer Reihenfolge):
| Prof. Dr.-Ing.
Norman Borchardt | |
| Telefon: | +49 451 300 5322 |
| E-Mail: | norman.borchardt@th-luebeck.de |
| Raum: | G.2 17-1.13 |
- KI mit Anwendung in Mechatronik und Industrie 4.0
| Prof. Dr.-Ing.
Martin Hahn | |
| Telefon: | +49 451 300 5760 |
| E-Mail: | martin.hahn@th-luebeck.de |
| Raum: | C.2b 9-0.04 |
- KI mit Anwendung in Mechatronik und Industrie 4.0
| Prof. Dr.-Ing.
Ralph Hänsel | |
| Telefon: | +49 451 300 5793 |
| E-Mail: | ralph.haensel@th-luebeck.de |
| Raum: | C.4 1-0.08 |
- KI und Bildverarbeitung mit Anwendung auf den Automobilbereich (Objekterkennung, ...)
- KI und autonome Systeme
| Prof. Dr.-Ing.
Horst Hellbrück | |
| Telefon: | +49 451 300 5042 |
| E-Mail: | horst.hellbrueck@th-luebeck.de |
| Raum: | G.3 18-2.12 |
- Edge AI
- Robotics
- 5G
- Mustererkennung in Sensordaten
| Prof. Dr.-Ing.
Marian Himstedt | |
| Telefon: | +49 451 300 5243 |
| E-Mail: | marian.himstedt@th-luebeck.de |
| Raum: | C.4 1-0.15 |
- KI und Medizintechnik
- Bildverarbeitung
- Mustererkennung von Sensordaten speziell mit Anwendung auf Intralogistik
| Prof. Dr.
Sebastian Hobert | |
| Telefon: | +49 451 300 5806 |
| E-Mail: | sebastian.hobert@th-luebeck.de |
| Raum: | G.2 17-0.11 |
- KI in der Bildung
| Prof. Dr.-Ing.
Martin Huhn | |
| Telefon: | +49 451 300 5252 |
| E-Mail: | martin.huhn@th-luebeck.de |
| Raum: | C.3 2-0.07 |
- KI/Data Science im Maschinenbau
| Prof. Dr. rer. nat.
Monique Janneck | |
| Telefon: | +49 451 300 5199 |
| E-Mail: | monique.janneck@th-luebeck.de |
| Raum: | G.3 18-2.10 |
- KI und interaktive Systeme
- Customized E-Learning und KI
| Dr.
Ozgur Kisi | |
| Telefon: | +49 451 300 5154 |
| E-Mail: | ozgur.kisi@th-luebeck.de |
| Raum: | E.1 14-0.23 |
- KI in der Hydrologie und Internationalen Wasserwirtschaft
| Prof. Dr.
Tobias Knuth | |
| Telefon: | +49 451 300 5811 |
| E-Mail: | tobias.knuth@th-luebeck.de |
| Raum: | D.4 25-1.05 |
- Data Science
- ML für Fraud Detection
- Data Engineering in der Cloud
- Explainable AI
- MLOps
| Prof. Dr.-Ing.
David Kuhlen | |
| Telefon: | +49 451 300 5711 |
| E-Mail: | david.kuhlen@th-luebeck.de |
| Raum: | D.4 25-1.10 |
- KI und Software-Engineering
- KI in ERP-Systemen
| Prof. Dr. rer. nat.
Dipl.-Hydr.
Christoph Külls | |
| Telefon: | +49 451 300 5742 |
| E-Mail: | christoph.kuells@th-luebeck.de |
| Raum: | E.1 14-0.22a |
- KI in der Hydrologie und internationalen Wasserwirtschaft
| Prof. Dr. rer. nat.
Jürgen Tchorz | |
| Telefon: | +49 451 300 5240 |
| E-Mail: | juergen.tchorz@th-luebeck.de |
| Raum: | G.2 17-0.06 |
- KI in der Hörakustik
Senior Scientists (in alphabetischer Reihenfolge):
| Dr. rer. nat.
Janis Schönefeld | |
| E-Mail: | janis.schoenefeld@th-luebeck.de |
| Raum: | C.2b 09-0.01 |
PostDoc:
- KI.SH
- Humanoide Robotik
- LLMs
- Anomaliedetekion
|
Dipl.-Ing. (FH)
Andreas Wittke | |
| Telefon: | +49 451 160818 36 |
| Fax: | +49 451 160818 99 |
| E-Mail: | andreas.wittke@th-luebeck.de |
| Raum: | MFC VII-1.20 |
- KI und E-Learning
- Anwendung von Large Language Models
Wissenschaftliche Mitarbeitende und Projektmitarbeitende (in alphabetischer Reihenfolge):
| Thorleif Harder
M.Sc.
| |
| Telefon: | +49 451 160818 80 |
| E-Mail: | thorleif.harder@th-luebeck.de |
| Raum: | MFC VII-1.35 |
Wissenschaftlicher Mitarbeiter KISH Anwendungszentren
- KI-basiertes E-Learning
- HCI
| Dirk Perrey | |
| E-Mail: | dirk.perrey@th-luebeck.de |
| Raum: | C.2b 9-0.01 |
Wissenschaftlicher Mitarbeiter
- SCET
- AI im Smart City Kontext
| Johanna Scheider | |
| E-Mail: | johanna.scheider@th-luebeck.de |
| Raum: | E5 16-0.09 |
Wissenschaftliche Mitarbeiterin
- SCET
- AI im Smart City Kontext
Studentische Hilfskräfte
- Maurice Mebrius: Studentische Hilfskraft, Anomaliedetektion, Innovative Hochschule “Produktion von Morgen”
- Maximilian Striegler: Studentische Hilfskraft, Humanoide Robotik, KI.SH
- Niclas Vogel: Studentische Hilfskraft, SCET
- Robin Bruhn: Studentische Hilfskraft, SCET
Zu vergebene Abschlussarbeiten
Grundsätzlich besteht die Möglichkeit in Unternehmen wie Dermalog, SingularIT, Philips, Jungheinrich, VisiConsult, Basler AG, EnBW und vielen weiteren eine Abschlussarbeit mit KI Ausrichtung unter der Betreuung zweier Professoren der KIA Fachgruppe anzufertigen. Die Problemstellungen entstammen in der Regel der Praxis und werden von den Unternehmen vorgegeben. Kommen Sie bei Interesse gerne auf uns zu.
Darüber hinaus ist es möglich theoretische Abschlussarbeiten anzufertigen. Dazu gehören z.B.:
- KI-gestützte Schiffsroutenprognose unter Enbindung eines Data Lakes (z.B. André Drews, Niklas Beuter, Tobias Knuth)
- Entwicklung eines EdgeAI-Prototypen für Optical Character Recognition (OCR) in der Produktion (z.B. André Drews, Niklas Beuter)
- Humanoide Robotik: Simulationen zur Anwendung von Reinforcement Learning Verfahren zur Optimierung der Ansteuerung von Aktuatorik (z.B. André Drews, Niklas Beuter, Marian Himstedt)
Gerne entwickeln wir mit Ihnen zusammen Themen, die Sie interessieren.
Promotionsmöglichkeit: Besonders engagierte Kandidaten können sich gerne mit uns in Verbindung setzen, um sich über die Rahmenbedingungen für eine Promotion im Kontext der Fachgruppe KIA zu informieren, die zusammen mit einer Universität durchgeführt wird.
Angefertigte Masterarbeiten
- Momme Willmer: Erkennung von Zero-Day-Angriffen durch Analyse des Netzwerkverkehrs mittels Machine Learning, Technische Hochschule Lübeck, 2024 (Betreuer: Niklas Beuter)
- Sahel Argandas: Entwicklung eines Topic Modells für E-Mails mit Hilfe des Guided-Latent Dirichlet Algorithmus, Technische Hochschule Lübeck, 2023 (Betreuer: André Drews)
- Ole Hendrik Selhorn: Entwicklung eines Prototypen zur Clusteranalyse-basierten Tourenplanung, Technische Hochschule Lübeck, 2022 (Betreuer: André Drews)
- Jan Philip Schreiter: Entwicklung und Entwicklung einer OCR Anwendung zur Automatisierung von Arbeitsschritten in der Fertigung, Technische Hochschule Lübeck, 2022 (Betreuer: André Drews)
- Jan Felix Fischer: Entwicklung einer generalisierten Segmentierung von Schweißnahtdefekten in NDT X-Ray Aufnahmen auf Basis von Deep Learning Verfahren, Technische Hochschule Lüber, 2022 (Betreuer: André Drews)
- Jörg Birkholz: Metrik-basierte Optimierung des Lernprozesses von Generative Adversarial Networks (GANs), Technische Hochschule Lübeck, 2022 (Betreuer: André Drews)
- Michael Lichtenhagen: A Benchmark of Object Detection Models for Automated Visual Inspections in the Medical Device Industry, Technische Hochschule Lübeck/Universität zu Lübeck, 2021 (Betreuer: André Drews)
- Daniel Grollmisch: Automatic Defect Recognition on X-ray Images with Deep Neural Networks using Artificial Defects,Technische Hochschule Lübeck, 2021 (Betreuer: Henrik Botterweck)
- Martin Stöber: Entwicklung und prototypische Umsetzung von Konzepten für verbesserte Online-Meetings mithilfe von Künstlicher Intelligenz, Technische Hochschule Lübeck, 2020 (Betreuerin: Monique Janneck)
- Alexander Ohrt: Entwicklung und prototypische Umsetzung eines Konzepts zur fachlichen Selbstberatung unter Einsatz von Künstlicher Intelligenz in der Versicherungsbranche, Technische Hochschule Lübeck, 2020 (Betreuerin: Monique Janneck)
- Ferenc Beutel: Interaktive Netzwerk Analysen am Beispiel von Twitter, Technische Hochschule Lübeck, 2020 (Betreuer: Nane Kratzke)
- Marek Anderson. Applying Machine Learning to Geochemical Mineral Exploration, Technische Hochschule Lübeck, 2019 (Betreuer: Sören Werth)
- Niema Ghanad Poor: Development and evaluation of a pediatric mortality risk score generated by artificial neural networks, Technische Hochschule Lübeck/British Columbia Children's Hospital Research Institute, 2019 (Betreuer: Jens Ehlers)
- Sebastian Goeß: Intelligente Reichweitenberechnung für elektrische Motorräder und Großroller, Technische Hochschule Lübeck, 2018 (Betreuer: Jens Ehlers)
Angefertigte Bachelorarbeiten
- Jianhan Wang, Meeting logger via automated Speech-to-text and summary, Technische Hochschule Lübeck, 2024 (Betreuer:Niklas Beuter)
- Yilei Zheng, Animal detection for an animal life trap, Technische Hochschule Lübeck, 2024 (Betreuer:Niklas Beuter)
- Hongyu Zhang, Automated Translation of teaching videos, Technische Hochschule Lübeck, 2024 (Betreuer:Niklas Beuter)
- Miao Ziheng, Deep Fake - Utilize Voice imitation approaches to automatically create voice content for teaching videos, Technische Hochschule Lübeck, 2024 (Betreuer:Niklas Beuter)
- Arne Schrade, Erstellung eines multimodalen maritimen Datensatzes inklusive KI-basierter Prädiktion von Fischfangmeldungen, Technische Hochschule Lübeck, 2024 (Betreuer:Niklas Beuter)
- Philippe Groß-Albenhausen: Automated classification of machine damages: Development of an ML model for image analysis with NLP-supported data acquisition, Technische Hochschule Lübeck, 2024 (Betreuer: André Drews)
- Eike Lankenau: A Comparison of classic NLP-based and LLM-based Textclassification in the energy industry, Technische Hochschule Lübeck, 2024 (Betreuer: André Drews)
- Keno Teppris: Evaluation von Deep Learning Verfahren zur effizienten Qualitätssicherung von 3D-Metalldruck, Technische Hochschule Lübeck, 2023 (Betreuer: André Drews)
- Stephan Schumacher: KI in der SMD Rüstzeitoptimierung, Technische Hochschule Lübeck, 2022 (Betreuer: André Drews)
- Johannes Boldt: Ersatzteilbedarfsprognosen im Vergleich: Zeitreihenanalyse und Machine Learning Modelle mit Installed Base Informationen, Technische Hochschule Lübeck, 2021 (Betreuer: André Drews)
- Jan Felix Fischer: Entwicklung eines Image Klassifikators zur Identifikation von Käfern mit Hilfe von verschiedenen Deep Learning-Methoden im Rahmen eines Naturschutzprojektes, Technische Hochschule Lübeck, 2021 (Betreuer: André Drews)
- Jan-Phllipp Schreiter: Entwicklung eines Convolutional Neural Network (CNN)-Modells zur Triplet-basierten Emotionserkennung von Gesichtern, Technische Hochschule Lübeck, 2021 (Betreuer: André Drews)
- Hendrik Eilers: Analyse von Musikaufnahmen mit Hilfe eines Convolutional Neural Networks zur automatisierten Zusammenstellung dynamisch veränderbarer Wiedergabelisten, Technische Hochschule Lübeck, 2020 (Betreuer: Jens Ehlers)
- Daniel Steegmüller: Prozedurale Siedlungsgenerierung - Generierungsmethoden für plausible Mittelaltersiedlungen, Technische Hochschule Lübeck/InnoGames GmbH, 2020 (Betreuer: Jens Ehlers)
- Hendrik Schäfer: Entwicklung von Architektur und Implementierung eines Big Data Hubs für Telematikdaten, Technische Hochschule Lübeck/TRANSWAGGON GmbH, 2019 (Betreuer: Jens Ehlers)
- Xiao Cui: Social Network Analysis of Twitter Interactions around Technology Conferences, Technische Hochschule Lübeck, 2019 (Betreuer: Nane Kratzke)
- Longhao Jiao: Image classification using convolutional neural networks in Keras, Technische Hochschule Lübeck, 2019 (Betreuer: Jens Ehlers)
- Yuchen Zhang: Speech recognition using convolutional neural networks in Keras, Technische Hochschule Lübeck, 2019 (Betreuer: Jens Ehlers)
- Andreas Hübner: Konstruktion eines Music Recommender-Systems auf Basis von Machine Learning - Weiterhören am Ende einer Playlist, Fachhochschule Lübeck, 2018 (Betreuer: Jens Ehlers)
Ziel des Projektes DiSEA – Digitale Studiengänge – Analyse von Erfolgs- und Abbruchkriterien – ist es, mit Hilfe von Methoden des maschinellen Lernens Nutzungsdaten in Lern-Managementsystemen zu analysieren, um Erfolgs- und Misserfolgsfaktoren in digitalen Studienformaten zu identifizieren, die Studierenden zu unterstützen und Studienabbrüche zu verringern.
- Projektstart: 2021
- Gefördert durch das Bundesministerium für Bildung und Forschung
- Projektbeteiligte: Beuth Hochschule für Technik Berlin
- Ansprechpartner: Prof. Dr. Monique Janneck (monique.janneck@th-luebeck.de)
Innovationsorientiertes Netzwerk KI-Transfer-Hub Schleswig-Holstein: KI-Know-how für KMU durch Hochschulkompetenz. Vorrangiges Ziel des KI-Transfer-Hubs Schleswig-Holstein ist, gemeinsam mit der WTSH ein landesweites KI-Ökosystem im Bereich KI-Transfer aufzubauen. Die Wirtschaft Schleswig-Holsteins soll für die Anwendung von KI-Technologien als bedeutsamer Faktor für künftige Innovations- und Wettbewerbsfähigkeit aufgeschlossen werden. Der Aufbau eines innovativen Netzwerkes im Bereich KI-Transfer bündelt die KI-Kompetenz des Landes und macht sie als Leuchtturm über die Landesgrenzen hinaus sichtbar.
- Laufzeit: 2020 – 2023
- Gefördert durch das Landesprogramm Wirtschaft (2014-2020) mit den Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) und mit Landesmitteln
- Projektbeteiligte: WTSH, FuE-Zentrum FH Kiel GmbH, Universität zu Lübeck, Technische Hochschule Lübeck, Christian-Albrechts-Universität zu Kiel, UniTransferKlinik Lübeck GmbH
- Ansprechpartner: Prof. Dr. Horst Hellbrück (horst.hellbrueck@th-luebeck.de)
Entwicklung einer interoperablen Bildungsplattform für Schleswig-Holstein mit einem digitalen Curriculum zum Erwerb wesentlicher Kompetenzen für die digitale Arbeits- und Lebenswelt. Im Fokus steht insbesondere eine Grundausbildung zu Künstlichen Intelligenz (KI), die sowohl Hochschulinhalte als auch externe Inhalte einbezieht [LINK]
- Laufzeit: 2020 – 2022
- Gefördert vom Land Schleswig-Holstein
- Fördervolumen THL: 1.292.578 €
- Projektbeteiligte: Technische Hochschule Lübeck (ILD), CAU Kiel
- Ansprechpartnerin: Farina Steinert (farina.steinert@th-luebeck.de)
Patientennahe Smartphone-basierte Diagnostik mit lokaler und zentraler KI-Plattform für die Primärversorgung im ländlichen Raum. Im Verbundprojekt PASBADIA werden Smartphone gestützte patientennahe Diagnoseverfahren mit lokaler und dezentraler KI entwickelt und erforscht. In Zusammenarbeit von Ingenieuren, Naturwissenschaftlern und praktizierenden Medizinern entstehen neue Diagnosemöglichkeiten.
- Laufzeit: 2019 - 2023
- Gefördert von der Joachim Hertz Stiftung
- Projektbeteiligte: Technische Hochschule Lübeck, BioMedTec Wissenschaftscampus, Universität zu Lübeck
- Ansprechpartner: Prof. Dr. Horst Hellbrück (horst.hellbrueck@th-luebeck.de)
KI#CK:
Im Projekt KI#CK – Künstliche Intelligenz: Chancen erkennen, Kompetenzen entwickeln – wird ein niedrigschwelliges digitales Qualifizierungsangebot für KMU und deren Beschäftigte für den Einstieg in das Thema Künstliche Intelligenz und seine Anwendungsmöglichkeiten geschaffen.
Laufzeit: 2019 – 2020
Gefördert aus dem Landesprogramm Arbeit mit Mitteln des Europäischen Sozialfonds
Projektbeteiligte: Technische Hochschule Lübeck, Life Science Nord Management GmbH, oncampus GmbH
Ansprechpartnerin: Katharina Ehlers (katharina.ehlers@th-luebeck.de)
Intelligente Unterstützung für Kleingruppenarbeit in der online-gestützten Hochschullehre. Das Gesamtvorhaben hat das Ziel, Verfahren zur intelligenten automatisierten Diagnose und Intervention zu entwickeln, um Kleingruppenarbeit in online-gestützter Lehre zum Erfolg zu führen. Dabei werden passende automatisierbare Interventionen zur Steuerung der Kleingruppenarbeit entwickelt und algorithmisch modelliert vergleichbar mit einem autonomen Tutor umgesetzt.
Laufzeit: 2017 - 2020
Gefördert vom Bundesministerium für Bildung und Forschung
Projektbeteiligte: Technische Hochschule Lübeck, Universität Duisburg-Essen, Ruhr-Universität Bochum
Ansprechpartnerin: Prof. Dr. Monique Janneck (monique.janneck@th-luebeck.de)
Bionic Observation and Survey System – Cognition and Network. Im Verbundprojekt BOSS werden innovative Unterwasserfahrzeuge in Form bionischer Manta-Rochen für Inspektions- und Monitoring-Aufgaben im Meer entwickelt. Hierbei werden durch die THL intelligente kognitive und auto-adaptive Eigenschaften der Mantas umgesetzt und Techniken der interoperablen Systemvernetzung für die Kommunikation und Navigation erprobt. Sukzessive werden Fähigkeiten zu kooperativem Verhalten und Selbstorganisation im Schwarm ausgebildet.
Laufzeit: 2013 - 2017
Gefördert vom Bundesministerium für Wirtschaft und Technologie
Projektbeteiligte: Technische Hochschule Lübeck, EvoLogics GmbH, Sea & Sun Technology GmbH
Ansprechpartner: Prof. Dr. Horst Hellbrück (horst.hellbrueck@th-luebeck.de)
2026
KIA ist Teil vom Projekt Smart Connected Environments! – 27.05.2026
Bildrechte: Roessler
Mit dem Kick-Off am 27.05.2026 hat das Projekt SCET (Smart Connected EnvironmenTs) offiziell gestartet. Im Rahmen des Projektes sollen ein Forschungsraum für die Bereiche Umwelt, Wasser, Energie und Wärme aufgebaut werden. Ziel ist es, komplexe Zusammenhänge zwischen diesen Bereichen mithilfe eines digitalen Zwillings und künstlicher Intelligenz sichtbar zu machen, um so fundierte Entscheidungen für eine nachhaltige und ressourcenschonende Zukunft zu ermöglichen.
KIA Beitrag für Innovative Hochschule "Produktion von Morgen" - 11.02.2026
Maurice Mebrius und André Drews stellen den KIA-Demonstrator für visuelle Inspektion in der Produktion vor. Der Demonstrator besteht aus einem Fördersystem, Industriekameras und einem Roboterarm. Über die Industriekameras sollen Anomalien an Produkten auf dem Förderband detektiert werden. Der Roboterarm wiederum sortiert die defekten Produkte aus.
2025
DASC - PM Framework - Dockland, Hamburg - 21.11.25
Das Kernteam rund um Prof. Martin Schulz von der Nordakademie Elmshorn hat zur Weiterentwicklung des DASC-PM Frameworks eingeladen. Eine zentrale Frage war: Wie kann der Einsatz moderner KI Verfahren in das bestehende Framework integriert werden. Bei dem ganzen handelte es sich um einen sehr gut organisierten Workshop von Data Science und KI Fachleuten, die jede Menge input für das Framework und die anvisierte gemeinsame Publikation geliefert haben. Es war ein produktiver Tag bei sonnigem Wetter in einer der besten Lagen Hamburgs - dem Dockland - unter Gleichgesinnten.
Alle Teilnehmenden
Prof. Dr. Schulz, Nordakademie
Prof. Dirk Johannsen, FH Westküste
Woche der KI 2025 - 4th Night of AI'25 - 13.11.25
Die Night of AI hat erneut gezeigt, wie lebendig, kreativ und praxisnah die KI-Community im echten Norden ist. Am 13. November 2025 füllten mehr Besucherinnen und Besucher als je zuvor das Bauforum derTechnische Hochschule Lübeck, um aktuelle KI-Anwendungen, Forschungsideen und Praxisbeispiele in kurzen 5-Minuten-Pitches zu erleben.
Als fester Bestandteil der Woche der KI war die Veranstaltung auch in diesem Jahr eines der zentralen Highlights.
Unternehmen, Start-ups, Alumni und Hochschulteams präsentierten Projekte aus Bereichen wie Bildverarbeitung, Produktion, Medizin, Datenanalyse und Assistenzsysteme. Mit dabei waren unter anderemDräger,NAECO Blue GmbH,VisiConsult - X-ray Systems & Solutions GmbH, Philips, Sick AG,Fraunhofer MEVIS,EDGE Digital,Capgemini Invent,Splitbot,singularIT GmbH,Otto Group data.works,Bunsen Consulting GmbH, sowie mehrere Teams der TH Lübeck, wie z.B. der Fachgruppe Künstliche Intelligenz in Anwendungen (KIA).
Die insgesamt ausgewogene Mischung der Vortragenden und Gäste sorgte für eine angenehm offene Atmosphäre. Von der im Tech Sektor häufig kritisierten Unterrepräsentation von Frauen war an diesem Abend wenig zu merken.
In den anschließenden Networking-Sessions zeigte sich der besondere Charakter des Abends: Gespräche auf Augenhöhe, neue Kontakte, spontane Demo-Runden und viele Ideen für künftige Kooperationen. Die Night of AI wächst jedes Jahr – in Themen, in Teilnehmendenzahl und in ihrem Stellenwert für die regionale Innovationslandschaft.
Programm der 4th Night of AI'25. Mit dabei sind dieses Jahr: Naeco Blue, Visi Consult, Philips Medical Systems, Sick AG, THL, Fraunhofer MEVIS, Edge Digital, Dräger, Capgemini Invent, Splitbo, SingularIT, OTTO data.works, Bunsen Consulting, vivalence, Dashjoin
Mahmoud Maan stellt unser Humanoides Roboterprojekt vor.
Max Striegler stellt die speech2speech pipeline im Rahmen unseres Humanoiden Roboterprojekts vor.
Prof. André Drews moderiert durch den Abend der Night Of AI und ist chairman der ersten Pitch Session. Prof. Himstedt und Prof. Botterweck sind die chair men der zweiten und dritten Pitch Session.
Woche der KI 2025 - Newtrition X. – Future Food powered by AI (Food Regio) - 11.11.25
Neben Impulsvorträgen zu KI-Projekten, Forschungsthemen oder Praxiserfahrungen im Bereich Lebensmittelproduktion, Qualitätskontrolle oder Produktentwicklung wirde Raum für Austausch, Wissenstransfer und Vernetzung geboten – zwischen Wirtschaft, Wissenschaft, Politik und Nachwuchskräften.
Keno Teppris präsentierte seine KI-Aktivitäten in der Fachgruppe KIA im Kontext von KI.SH.
Vortrag zu KI und Wissensmanagement von Prof. Beuter in Bad Oldesloe
Künstliche Intelligenz im Wissensmanagement: Chancen für Unternehmen heute!
Diese Woche durfte Niklas Beuter unterstützt durch die WAS Stormarn und den Hanse Innovation Campus erneut einen Vortrag zum Thema "KI und Wissensmanagement im Unternehmen" halten. Es waren sehr viele Teilnehmer vor Ort, was das anhaltende Interesse an KI bestätigt.
Wir haben gemeinsam diskutiert:
🔍 Wie kann KI helfen, vorhandenes Wissen zu strukturieren und zugänglich zu machen?
💡 Welche Tools und Methoden ermöglichen intelligentes Wissensmanagement?
🤖 Und wo liegen die Grenzen für ein einzelnes Unternehmen?
Mein Fazit: KI ist kein Ersatz für menschliches Wissen – aber ein mächtiger Hebel, um vorhandenes Know-how besser zu nutzen, weiterzuentwickeln und generationsübergreifend zu sichern.
KIA auf der 6. KI Landeskonferenz in Schleswig-Holstein
Spannende Einblicke auf der 6. KI-Landeskonferenz Schleswig-Holstein! Als Teil der Fachgruppe KI in Anwendungen freue ich mich über den Austausch zu praxisnahen KI-Lösungen und innovativen Projekten aus Wirtschaft und Wissenschaft. #KISHL #KünstlicheIntelligenz #Innovation
Vortrag zu KI und Wissensmanagement von Prof. Beuter in Reinbek
Künstliche Intelligenz im Wissensmanagement: Chancen für Unternehmen heute!
Diese Woche durfte Niklas Beuter unterstützt durch die WAS Stormarn und den Hanse Innovation Campus einen Vortrag zum Thema "KI und Wissensmanagement im Unternehmen" halten.
Wir haben gemeinsam diskutiert:
🔍 Wie kann KI helfen, vorhandenes Wissen zu strukturieren und zugänglich zu machen?
💡 Welche Tools und Methoden ermöglichen intelligentes Wissensmanagement?
🤖 Und wo liegen die Grenzen für ein einzelnes Unternehmen?
Mein Fazit: KI ist kein Ersatz für menschliches Wissen – aber ein mächtiger Hebel, um vorhandenes Know-how besser zu nutzen, weiterzuentwickeln und generationsübergreifend zu sichern.
(Fotos by John Garve)
Wissenschaftlicher Mitarbeiter Keno Teppris im Dialog mit dem Handwerk für KI.SH
Gemeinsam mit Kollegen aus dem KI.SH-Team war unser wissenschaftlicher Mitarbeiter Keno beim Workshop der Kreishandwerkerschaft Flensburg Stadt und Land vor Ort. Im Dialog mit Betrieben verschiedenster Gewerke zeigte sich: Das Interesse an Künstlicher Intelligenz im Handwerk ist groß! Viele hatten bereits erste Anwendungen ausprobiert. Der Austausch verdeutlichte das Potenzial von KI für alltägliche Herausforderungen, etwa bei Planung, Kommunikation und Dokumentation.
KIA Mitarbeiter Keno Teppris im KI-Experteninterview zu MCP
Eine neue Ära für die Konnektivität von KI? Wer das neue Model Context Protocol noch nicht kennt, sollte sich dies genauer anschauen. Ein Kommentar unserer KI.SHExperten zu MCP:
LinkedIn-Eintrag
Publikationen 2026
- Prompt-Driven Container Orchestration, Beuter, N., Drews, A., Kratzke, N. (2026). In: Pahl, C., van Steen, M. (eds) Cloud Computing and Services Science. CLOSER 2024. Communications in Computer and Information Science, vol 2851. Springer, Cham. https://doi.org/10.1007/978-3-032-17286-0_4
- PSYCH—Psychometric Assessment of Large Language Model Characters: An Exploration of the German Language, Kratzke, N.; Beuter, N.; Drews, A.; Janneck, M. PSYCH—Psychometric
Assessment of Large Language Model Characters: An Exploration of the German Language. Analytics 2026, 5, 5. doi.org/10.3390/analytics5010005
Academic Editor: Carson K. Leung Received: 25 November 2025 / Revised: 23 December 2025 / Accepted: 31 December 2025 / Published: 6 January 2026
Publikationen 2025
- Prompt-Driven and Kubernetes Error Report-Aware Container Orchestration. Beuter, N.; Drews, A.; Kratzke, N. Future Internet 2025, 17, 416. https://doi.org 10.3390/fi17090416 Academic Editors: Sardar Jaf, Basel Barakat and Yongqiang Cheng Received: 5 August 2025 / Revised: 4 September 2025 / Accepted: 8 September 2025 / Published: 11 September 2025
- Spatial-temporal variation of precipitation in Niedersachsen, Germany, using statistical and graphical trend methods considering climatic drivers, Cengiz, T. M., Kisi, O., Vishwakarma, D. K., Sankalp, S., Bassukas, D. & Külls, C.. Hydrological Sciences Journal, Informa UK Limited, 2025, pp. 1–22
Integration of Gaussian process regression and K means clustering for enhanced short term rainfall runoff modelling., Kisi, O., Heddam, S., Parmar, K. S., Petroselli, A., Külls, C. & Zounemat-Kermani, M. Scientific Reports, Springer Science and Business Media LLC, 2025, Vol. 15(1)
Publikationen 2024
- Don't Train, Just Prompt: Towards a Prompt Engineering Approach for a More Generative Container Orchestration Management, N. Kratzke, A. Drews, Conference: Cloud Computing and Service Sciences (CLOSER 2024)At: Angers, France
- M. Enhancing river flow predictions: Comparative analysis of machine learning approaches in modeling stage-discharge relationship. Results in Engineering, Kisi, O., Mohammad Azamathulla, H., Cevat, F., Külls, C., Kuhdaragh, M. and Fuladipanah, , river flow predictions: Comparative analysis of machine learning approaches in modeling stage-discharge relationship. Results in Engineering, 2024, Vol. 22
- A new method for monthly streamflow prediction using multi-source data: range-dependent multivariate adaptive regression splines genetic algorithm., Idowu, M., Külls, C. & Kisi, O. Hydrological Sciences Journal, 2024, Vol. 69(13), pp. 1860-1880
- Comments on Machine learning based time series models for effective CO2 emission prediction in India., Kisi, O., Melo, C., Fischer, L., Brandt, H., Heims, L., Loaec, A., Masomy, W., Parvez, M., Roehl, J. & Külls, C. by Kumari and Singh, doi.org/10.1007/s11356-022. Environmental Science and Pollution Research, 2024, Vol. 31(30), pp. 43426-43429
- Improved monthly streamflow prediction using integrated multivariate adaptive regression spline with K-means clustering: implementation of reanalyzed remote sensing data., Kisi, O., Heddam, S., Parmar, K., Yaseen, Z. & Külls, C. Stochastic Environmental Research and Risk Assessment, 2024, Vol. 38(6), pp. 2489-2519
Publikationen 2023
- Comments on Splitting tensile strength prediction of sustainable high-performance concrete using machine learning techniques by Wu, Yangi et al., Kisi, O., Ajri, S., Jörgens, K., Karande, A., Kraus, S., Naumann, B., Nierman, K., Seel, W. & Külls, C. doi.org/10.1007/s11356-022-22048-2. Environmental Science and Pollution Research, 2023, Vol. 30(50), pp. 109854-109855
- Time Series by Least-Squares Support Vector Machine Using Decomposition Reconstruction and Swarm Intelligence. Kisi, O., Liepelt, K. & Külls, C. Discussion of Improving Prediction Accuracy of Hydrologic Journal of Hydrologic Engineering, 2023, Vol. 28(4)
- Estimation of Mean Velocity Upstream and Downstream of a Bridge Model Using Metaheuristic Regression Methods. Water Resources Management, Kisi, O., Ardiliolu, M., Hadi, A., Kuriqi, A. & Külls, C., 2023, Vol. 37(14), pp. 5559-5580
- M. Modelling biochemical oxygen demand using improved neuro-fuzzy approach by marine predators algorithm., Adnan, R., Dai, H.-L., Kisi, O., Heddam, S., Kim, S., Külls, C. & Zounemat-Kermani, Environmental Science and Pollution Research,2023, Vol. 30(41), pp. 94312-94333
Publikationen 2022
- Monthly Streamflow Prediction by Metaheuristic Regression Approaches Considering Satellite Precipitation Data, Mehraein, M., Mohanavelu, A., Naganna, S. R., Külls, C. & Kisi, O.. Water, MDPI AG, 2022, Vol. 14(22), pp. 3636
