Bachelor of Science im Studiengang Informatik Adrian Lutsch  (Betreuer M.Sc. Dennis Marten, Prof. Dr.rer.nat.habil. Andreas Heuer, Dr.-Ing. Holger Meyer)

Titel der Arbeit:    Effiziente Datenvorbereitung für Analysen im Automotive-Bereich

Begründung:

Die Arbeit von Herrn Lutsch stellt Konzepte für die Analyse von Fahrzeugmessdaten mit Apache Spark vor und evaluiert diese. Dazu wurden Techniken zur Parallelisierung von Datenauswertungen mittels Datenparallelität zusammengefasst und Systeme und Formate untersucht, die zur Speicherung und Bereitstellung der Messdaten für Apache Spark geeignet sein könnten. Basierend auf der Analyse wurden drei Schemata für die Verarbeitung von uni- und multivariaten Zeitreihen in Data Frames konzipiert und Transformationen zwischen diesen implementiert. Die Basisfunktionen wurden aus Effizienzgründen in Scala implementiert. Anwender des Systems können bei ihren Analysen die Programmiersprache Python nutzen. Um unterschiedliche Systeme zur Speicherung nutzen zu können, wurde ein Konzept für einen Softwarestack zur zentralen Messdatenanalyse entwickelt. Die Benutzung des Systems wurde durch Beispielanalysen demonstriert.

Master of Science im Studiengang Visual Computing Christine Ripken  (Betreuer Dr.-Ing. Steve Dübel, Prof. Dr.-Ing. habil. Heidrun Schumann)

Titel der Arbeit:  Utilizing Saliency Information for Priority-Driven Data Visualization in Terrain

Begründung:

Frau Ripkens Masterarbeit beschäftigt sich mit der Fragestellung, objektive Maße zur Einschätzung der Qualität von Datendarstellungen im 3D-Gelände zu finden. Dabei hat sie untersucht, welche Maße zur Beurteilung der Salienz genutzt werden können. Das sind Bildareale, die die Aufmerksamkeit der bzw. des Betrachtenden in besonderem Maße auf sich ziehen. Zum anderen beschäftigte sie sich mit der Bewertung von Visual Clutter, d.h. sie untersuchte die Komplexität einer Visualisierung. Zur Lösung dieser komplexen Themenstellung hat Frau Ripken aktuelle Forschungsergebnisse aus den Computer- und Kognitionswissenschaften miteinander kombiniert und einen angepassten, innovativen Lösungsansatz für die beiden Probleme entwickelt. Sie konnte zeigen, dass die ursprünglich für 2D-Darstellungen entwickelte Maße auch auf 3D-Szenen angewendet werden können. Sie hat nicht nur geeignete Maße für die Salienz und Visual Clutter aus einer Vielzahl von möglichen Optionen identifiziert, sondern diese auch effizient auf der GPU implementiert, um damit eine Echtzeitanalyse von Visualisierungen zu ermöglichen. Zudem integrierte sie ihren Ansatz in ein komplexes Visualisierungstool für die Datendarstellung im 3D-Terrain. Das ermöglichte ihr, für eine Vielzahl von Visualisierungsstrategien Saliency und Visual Clutter zu berechnen. Frau Ripken entwickelte eine entsprechende Bewertungsstrategie, und führte hierauf basierend eine systematische Untersuchung der Visualisierungsstrategien durch. Die Ergebnisse der Masterarbeit haben maßgeblich zum Inhalt einer internationalen Publikation auf der IEEE VIS Konferenz im Oktober 2019 in Vancouver beigetragen.