This paper inspired by simulation by Artificial Neural Networks (ANNs) applied recently for evaluation of phonics methodology to teach children "how to read". A novel approach for teaching a mathematical topic using a computer aided learning (CAL) package applied at educational field (a children classroom). Interesting practical results obtained after field application of suggested CAL package with and without associated teacher's voice. Presented study highly recommends application of a novel teaching trend based on behaviorism and individuals' learning styles. That is to improve quality of children mathematical learning performance.

Aus der Einleitung: The calculation and prediction of river flow is a very old problem. Especially extremely high values of the runoff can cause enormous economic damage. A system which precisely predicts the runoff and warns in case of a flood event can prevent a high amount of the damages. On the basis of a good flood forecast, one can take action by preventive methods and warnings. An efficient constructional flood retention can reduce the effects of a flood event enormously.With a precise runoff prediction with longer lead times (>48h), the dam administration is enabled to give order to their gatekeepers to empty dams and reservoirs very fast, following a smart strategy. With a good timing, that enables the dams later to store and retain the peak of the flood and to reduce all effects of damage in the downstream. A warning of people in possible flooded areas with greater lead time, enables them to evacuate not fixed things like cars, computers, important documents and so on. Additionally it is possible to use the underlying rainfall-runoff model to perform runoff simulations to find out which areas are threatened at which precipitation events and associated runoff in the river. Altogether these methods can avoid a huge amount of economic damage.

Wie Künstliche Intelligenz (KI) das Lernen begleiten kann, wird im BMBF-Verbundprojekt „Personalisierte Kompetenzentwicklung durch skalierbare Mentoringprozesse – tech4comp“ erforscht. Um sich dabei zunächst der Frage, was digital-gestütztes Mentoring leisten kann und soll, zu nähern, erfolgt eine Bedarfs- und Leistungsanalyse durch die Erhebung und Auswertung lernbezogener Daten in technologie-gestützten Bildungsräumen auf mehreren Ebenen. Es wird das Verhalten von Lernenden untersucht, um Erkenntnisse über die Leistungsfähigkeit von Mentoring innerhalb adaptiver Bildungsräume zu erhalten und Einflussfaktoren und Gelingensbedingungen zu identifizieren. Dazu wird die Expertise aus verschiedenen Disziplinen (Bildungswissenschaften, Informatik, Organisations- und Sozialwissenschaften) herangezogen.

Am Institut für Print- und Medientechnik an der TU Chemnitz wird ein System entwickelt, welches gescannte Dokumente archivieren soll. Im Gegensatz zu bereits existierenden OCR-Systemen, sollen diese Dokumente hier jedoch nicht mittels einer Schrifterkennung verarbeitet werden. Vielmehr sind Textbereiche in den gescannten Vorlagen zu vektorisieren. Bereiche mit Grafiken und Illustrationen werden bei diesem Verfahren als ein Bildvektor gespeichert. Diese Vorgehensweise soll es ermöglichen, auch Dokumente mit Schriftsymbolen effizient zu archivieren, die keinen "herkömmlichen" Schriftsätzen zugehörig sind. Diese Studienarbeit stellt Merkmalsextraktionsverfahren vor, die aus einem gegebenen Teil (Segment) eines Dokumentenscans Merkmale extrahieren, die es ermöglichen sollen, diesen mittels eines Klassifikationsverfahrens einer Klasse Textblock oder einer Klasse Grafikblock zuzuordnen. Zusätzlich werden zwei Klassifikationsverfahren, ein Entscheidungsbaum und eine Fuzzy-Logik, auf die Nutzbarkeit für einen solchen Mustererkennungsprozess überprüft. Als Textblöcke erkannte Bereiche werden im zu entwickelnden Gesamtverfahren dann in nachfolgenden Verarbeitungsschritten einer Vektorisierung zugeführt.

Humanizing Technologies GmbH develops Intelligent software for the humanoid robots from Softbank Robotics. The main objective of this thesis is to develop and deploy Conversational Artificial Intelligence software into the humanoid robots using deep learning techniques. Development of conversational agents using Machine Learning or Artificial Intelligence is an intriguing issue with regards to Natural Language Processing. Great research and experimentation is being conducted in this area. Currently most of the chatbots are developed with rule based programming that cannot hold conversation which replicates real human interaction. This issue is addressed in this thesis with the development of Deep learning conversational AI based on Sequence to sequence, Attention mechanism, Transfer learning, Active learning and Beam search decoding which emulates human like conversation. The complete end to end conversational AI software is designed, implemented and deployed in this thesis work according to the conceptual specifications. The research objectives are successfully accomplished and results of the proposed concept are dis- cussed in detail.

Die vorliegende Arbeit umfasst im ersten Teil eine Literaturrecherche zu Aquifer Storage and Recovery (ASR) im Allgemeinen und den Einfluss physikalisch-chemischer Prozesse auf ASR. Aus dieser konnte abgeleitet werden, dass durch standortbedingte Untergrundeigenschaften stark unterschiedliche physikalische und chemische Prozesse ablaufen und eine eindeutige Vorhersage zum Verhalten und zur Effizienz von ASR an einem neuen oder bereits genutzten Standort ohne spezifische Informationen nicht möglich ist. Des Weiteren wurde eine Literaturstudie zum Einfluss der transversalen Dispersivität, als Maß für die Vermischung von transportierten Stoffen quer zu einer (natürlichen) Fließrichtung, auf den (reaktiven) Transport durchgeführt. Letztlich wurde im Rahmen einer betreuten Masterarbeit (M. Sc. Chang Liu) eine Bewertung aus der Literatur entnommener transversaler Dispersivitäten durchgeführt. In den weiteren Teilen der Arbeit wurden Fallstudien mit unterschiedlichen Fragestellungen für die Planung und den Betrieb von künstlichen Grundwasseranreicherungen und speziell ASR numerisch modelliert und bewertet. Zuerst wurden numerische Simulationen zum konservativen Transport am Testfeld „Lauswiesen“, Tübingen, Baden-Württemberg durchgeführt. Diese beinhalteten über Direct-Push(DP)-Erkundungsmethoden gewonnene Informationen zur Untergrundstruktur. Die Ergebnisse zeigen, dass zur Vorhersage des standortspezifischen Transports in den „Lauswiesen“ und für vergleichbare hydraulische Situationen, auch in Hinsicht auf ASR, deterministische hydrogeologische Einheiten und ihre situationsgerechte Berücksichtigung in numerischen Modellen höchst relevant sind. Aufbauend auf den genannten Ergebnissen wurde eine Masterarbeit durch Herrn M. Sc. Tsegaye Abera Sereche durchgeführt. Diese Masterarbeit zeigte für diesen Fall erneut die hohe Relevanz deterministischer Strukturen gegenüber kleinskaligen, dreidimensionalen Heterogenitäten für ASR. Weiterführende numerische Simulationen zu einem möglichen ASR-Feldtest am Standort „Lauswiesen“ ergaben, dass dieser unter den gegebenen Untergrundbedingungen nur bei Abweichungen von einem vertretbaren Konzept für einen Ein-Brunnen-Test, z. B. bei sehr großen Infiltrationsmengen, oder durch Umwandlung in einen Zwei-Brunnen-Test durchführbar ist. Während dieser Arbeit wurden gemeinsame Forschungsarbeiten mit dem Kansas Geological Survey, Kansas, USA durchgeführt, welche die Bewertung der Verwendbarkeit von DP-Brunnen als alternative Infiltrationsmethode zu Oberflächenmethoden beinhalteten. Als Teil der gemeinsamen Arbeiten wurde im Rahmen der vorliegenden Arbeit eine synthetisierte, numerische Bewertung der neuen DP-Infiltrationsbrunnen sowie einen Vergleich mit einer herkömmlichen Oberflächeninfiltrationsmethode übernommen. Im Einklang mit der Zielstellung der Arbeit wurde ebenfalls eine numerische Bewertung natürlicher und anthropogener Heterogenitäten auf die Infiltration durchgeführt. Aus den Ergebnissen konnten für die neue Infiltrationsmethode signifikante Vorteile abgeleitet werden. Weitere numerische Modellierungen wurden durchgeführt, um die wesentlichen Ergebnisse auf einen Feldstandort in der Südlichen Steiermark, Österreich, anzuwenden, welcher: a) bereits ein horizontales Versickerungssystem besitzt, b) weitere Systeme erhalten soll und c) letztlich eine besondere Herausforderung für vertikale Versickerungssysteme darstellt. Die Modellierung des vorhandenen Systems zeigt die hohe Komplexität der Infiltrationsprozesse. Jedoch konnten hydraulische Parameter bestätigt und in weitere planerische Simulationen zu Verwendung von DP-basierten Infiltrationsbrunnen eingefügt werden. Diese zeigen, dass ein Brunnenfeld am Standort auf relativ geringem Raum installiert werden kann. Zusätzlich zeigt ein Feldversuch an einem weiteren Standort (Pirna, Sachsen), dass hohe Infiltrationsraten unter Nutzung von DP-Brunnen möglich sind. / The works presented in the thesis include in the first part a literature research on Aquifer Storage and Recovery (ASR) in general and the impacts of different physico-chemical processes on ASR. This research concludes that site-specific subsurface conditions lead to varying physical and chemical processes and that a conclusive prediction of function and efficiency of ASR at any site, in-operation or new site design, is not possible without site-specific information. Additionally, a literature study was conducted that focused on the impacts of transverse dispersivity, as a measure for mixing of transported species perpendicular to the (natural) flow direction, on (reactive) transport. Finally, evaluation of transverse dispersivity data available in the literature was performed, which included a supervision of a master thesis (of M. Sc. Chang Liu). Numerical simulations of case studies for different questions of planning and operation of artificial recharge systems and more specifically ASR were realized for the other parts of the thesis. The first evaluated case was the “Lauswiesen” test site, Tübingen, Baden-Wuerttemberg. This study used new insights into the subsurface structure gained by Direct-Push(DP) exploration methods. The results obtained show that for further works at the site and for comparable hydraulic conditions, also in the view of ASR, deterministic hydrogeological subunits and their consideration in numerical models are critical for prediction of site-specific transport. Based on the previous findings, a master thesis was conducted by M. Sc. Tsegaye Abera Sereche. The master thesis yet again revealed for this case the high relevance of deterministic subunits compared to small-scale, three-dimensional heterogeneities for ASR. Further, numerical simulations of a possible ASR field test at “Lauswiesen” site showed that under the prevailing subsurface conditions, a field test can only be realized when the set-up of a single-well-test is impracticably changed, by e.g. very high infiltration volumes, or by transformation into a two-well-test. During the thesis joint research works were performed with the Kansas Geological Survey, Kansas, USA, which contained the evaluation of the applicability of DP wells as an alternative to surface infiltration methods. As part of the joint work, this thesis presents a synthesized numerical evaluation of the new DP well infiltration as well as a comparison to a common surface infiltration system. Furthermore, in accordance with the main objective of the work, numerical evaluation of natural and anthropogenic heterogeneities was performed. The results concluded the advantages for the DP wells for infiltration process. Further numerical models were implemented to convey the important results to a field site at Southern Styria, Austria, where: a) an existing infiltration system is already in operation, b) further infiltration systems are planned and c) the subsurface conditions are rather challenging for vertical infiltration systems. Modeling of the existent system revealed the high complexity of the infiltration processes. However, hydraulic parameters could be verified and included into planning simulations for DP-based infiltration wells. The findings show, that a well field can be installed at a comparably small land. Additionally, a field test at a further test site (Pirna, Sachsen) indicates that high infiltrations rates are possible when DP wells are used.

Combine harvesters are used to gather plants from the field and separate them into the components of value, the grain and the straw. The optimal utilization of existing combine potential is an inevitable task to maximize harvest efficiency and hence to maximize profit. The only way to optimize the threshing and separation processes during harvest is to adjust the combine settings to existing conditions. Operating permanently at optimal harvest efficiency can only be achieved by an automatic control system. However, for reasons of transparency and due to lack of sensors, the approach in this thesis is a combined development of an interactive and an automatic control system for combine process optimization. The optimization of combine processes is a multi-dimensional and multi-objective optimization problem. The objectives of optimization are the harvest quality parameters. The decision variables, the parameters that can be modified, are the combine settings. Analytical optimization methods require the existence of a model that provides function values in dependence of defined input parameters. A comprehensive quantitative model for the input-output-behavior of the combine does not exist. Alternative optimization methods that handle multi-dimensional and multi-objective optimization problems can be found in the domain of Artificial Intelligence. In this work, knowledge acquisition was performed in order to obtain expert knowledge on combine process optimization. The result is a knowledge base with six adjustment matrices for different crop and combine types. The adjustment matrices contain problem oriented setting adjustment recommendations in order to solve single issues with quality parameters. A control algorithm has been developed that is also capable of solving multiple issues at the same time, utilizing the acquired expert knowledge. The basic principle to solve the given multi-objective optimization problem is a transformation into one-dimensional single-objective optimization problems which are solved iteratively. Several methods have been developed that are applied sequentially. In simulation, the average improvement from initial settings to optimized settings, achieved by the control algorithm, is between 34.5 % and 67.6 %. This demonstrates the good performance of the control algorithm.

Die vorliegende Masterarbeit erforscht die Erweiterung der Steuerung einer bestehenden Klimatisierungsanlage durch ein Sensornetzwerk und künstliche Intelligenz. Ziel ist die Optimierung des Energiebedarfs und die Verbesserung des Raumklimas durch die Überwachung umfangreicher Sensordaten. Ein Mesh-Netzwerk mit Aktualisierungsmöglichkeit für die Sensorknoten und die TensorForce-Bibliothek bilden dafür die Grundlage. Unter Nutzung von Deep Q-Learning from Demonstrations, einer Reinforcement Learning-Strategie, wird die praktische Umsetzung eines solchen Systems getestet. Durch die Erprobung verschiedener Konfigurationen gelingt es, die Aktivitätszeit der Klimageräte durch automatische Abschaltung im Vergleich zur regulären Nutzung signifikant zu senken. Zusätzlich wechselt das entwickelte System bei Bedarf selbstständig in den Lüftungsmodus, anstatt dauerhaft im Kühlbetrieb mit hohem Energiebedarf zu arbeiten. Diese Masterarbeit richtet sich an alle, die am praktischen Einsatz von Reinforcement Learning interessiert sind.

There are two disciplines that are concerened with the same object of study, narratives, but that rarely exchange insights and ideas, let alone engage in collaborative research. The first is Narrative Theory (NT), an analytical discipline from the humanities that attempts to analyze literary texts and from these instances derive a general understanding of the concept of narrative. The second is Compuatational Story Composition (CSC), a discipline in the domain of Artificial Intelligence that attempts to enable computers to autonomously compose fictional narratives in a way that could be deemed creative. Several reasons can be found for the lack of collaboration, but one of them stands out: The two disciplines follow decidedly different research methodologies at contradistinct levels of abstraction. This makes it hard to conduct NT and CSC research simultaneously, and also means that CSC researchers have a hard time validating whether they use NT concepts correctly, while NT scholars have no use for the outputs created by work in CSC. At the same time, a close exchance between the two disciplines would be desirebale, not only because of the complementary approach to their object of study, but also because comparable interdisciplinary collaborations have proven to be productive in other fields, like for instance linguistics. The present thesis proposes a research methodology called generative modeling designed to address the methodological differences outlined above, and thus allow to conduct simultaneous NT and CSC research. As a proof of concept it performs several cycles of generative modeling, in which it computationally implements concepts and dynamics described in two frameworks from NT, namely Marie-Laure Ryan's possible worlds approach to plot, and Alan Palmer's fictional minds approach to characters. In detail, the first cycle attempts to implement Ryan's possible worlds semantics and the resulting dynamics of plot, but falls short in a way that suggests that the first principles layed out in the theory are not sufficient to capture an example plot, for a number of reasons. The second cycle resolves these hypothesized problems by extending Ryan's plot understanding with affective dynamics based on Palmer's understanding of fictional minds. With plot dynamics completed, the third cycle implements Ryan's concept of tellability, which represents a quantifiable measure of the structural quality of plots. The last cycle implements a Genetic Algorithm based search heuristic that is capable of searching the plot space spanned by the employed formalism for plots high in tellability, which provides additional insights on properties of tellability. The resulting implementation is a in-depth computational representation of plot ingrained into the CSC System InBloom, which is capable of autonomusly composing novel plots and evaluating their quality. The study reported in this thesis demonstrates, how implementing narratological theories as generative models can lead to insights for NT, and how grounding computational representations of narrative in NT can help CSC systems take over creative responsibilities. Thereby, it shows the feasibility and utility of generative modeling.

Bäume sind eine wichtige Ressource für die Stadt- und Raumplanung. Um diese – beispielsweise zu Klimaschutzmaßnahmen – optimal nutzen zu können, werden entsprechende Informationen darüber benötigt. Die Erhebung von Baumstandorten, -höhen, Kronendurchmessern etc. vor Ort ist aufwändig und damit zeit- und kostenintensiv. Gleichzeitig steht eine große Menge an Fernerkundungsdaten, wie beispielsweise digitale Orthophotos oder Geländemodelle, in denen Bäume erfasst sind, zur Verfügung. Die Entwicklung geeigneter Methoden, um diese Daten (automatisiert) auszuwerten, ist von entscheidender Bedeutung, wobei im Zusammenhang mit der Verarbeitung und Analyse großer Datenmengen derzeit verschiedene Methoden des maschinellen Lernens, insbesondere künstliche Neuronale Netze (kNN), Gegenstand intensiver Forschung sind.