AI-Technologies-Projekte aus dem Master-Studiengang AI Engineering

Projekte 2025

Der Master-Studiengang AI Engineering präsentierte seine neuesten AI-Technologies-Projekte.

Audio-Based Classification and segment Detection of
RADIO broadcasts using machine learning tools

Projekt-Verantwortlicher: Herbert Grünsteidl
Kategorie: AI
Beschreibung: Im Projekt “Audio-Based Classification and Segment Detection of Radio Broadcasts” wurde untersucht, wie Radiosendungen automatisiert analysiert und klassifiziert werden können. Dafür wurden drei Machine-Learning-Modelle getestet, die in der Lage sind, verschiedene Sendungssegmente anhand von Audioinhalten automatisch zu erkennen und einzuordnen. Zwei dieser Modelle zeigten eine hohe Zuverlässigkeit und sind bereit für den Praxiseinsatz in der Sendeprotokollierung. Das Verfahren unterstützt Radiostationen dabei, ihre Ausstrahlungen effizient zu dokumentieren und regulatorische Anforderungen zu erfüllen.

Color Classification of Football Jerseys using Neural Networks

Projekt-Verantwortlicher: Elias Lord
Kategorie: AI
Beschreibung: Fußball ist schnell, dynamisch – und bunt. In diesem Projekt wurde eine Künstliche Intelligenz trainiert, die Trikotfarben in realen Fußballvideos erkennt, selbst bei schwierigen Lichtverhältnissen oder Kameraeinstellungen. Die KI analysiert das Videomaterial in Echtzeit und ordnet die Spieler korrekt zu. Damit eröffnet sich ein innovativer Zugang für Trainerinnen und Analystinnen, Spielverläufe künftig effizienter und automatisierter auszuwerten.

AI Chatbot

Projekt-Verantwortlicher: Miloš Jovanović
Kategorie: AI
Beschreibung: Das Projekt entwickelt ein KI-gestütztes Suchsystem, das Studierende beim schnellen Auffinden verlässlicher Informationen in offiziellen Hochschuldokumenten unterstützt. Der Chatbot versteht Fragen auf Deutsch und Englisch und liefert direkte Auszüge aus den Originaldokumenten – inklusive Quellenlink, ganz ohne Halluzinationen. Die Lösung ist quelloffen, ressourcenschonend und kann sogar auf Standard-Laptops betrieben werden. Damit ermöglicht sie einen barrierearmen Einstieg in die Nutzung künstlicher Intelligenz im Hochschulbereich.

Projekte 2024

Der Master-Studiengang AI Engineering präsentierte seine neuesten AI-Technologies-Projekte.

midas

Team: Alexander Pallisch, Momen Abdou, Adnan Vatric
Kategorie: AI
Beschreibung: Analyse des Aktienmarktes: Im Rahmen des Development Project wurde ein AI-Tradingbot in Python programmiert, der mit MetaTrader 5 verbunden ist und komplett eigenständig am Forex- und Aktienmarkt handeln kann. Dieser Bot integriert ein umfassendes Risikomanagement und folgt einer Moving Average (MA) Trendstrategie. Zusätzlich haben wir ein neuronales Netzwerk entwickelt, das Finanzwerte analysiert und Vorhersagen treffen kann. Dieses Netzwerk ist ein wichtiger Bestandteil des Bots und verbessert seine Handelsentscheidungen durch professionelle Prognosen.

OnHands

Team: Bushra Yasin, Alexander Kreissl, Philipp Ehm, Michael Schwingshackl, Marvin Elias
Kategorie: AI
Beschreibung: Immer mehr Menschen möchten reisen und die Welt entdecken. Auf all diesen Reisen ist unser Gepäcksstück der treuste Begleiter. Leider kommt es zunehmend zu Verlusten von Koffern und Taschen, was nicht nur die Reisenden frustriert, sondern auch das Personal der Austrian Airlines belastet. Das manuelle Eintragen dieser Daten kann über eine Minute pro Gepäckstück dauern. Im Projekt OnHands nutzen wir Computer Vision und Machine Learning, um Typ und Farbe eines mit einem Smartphone gescannten Gepäckstücks in Sekundenschnelle zu identifizieren. Diese Informationen werden automatisch in eine internationale Datenbank für verlorene Gepäckstücke eingetragen.

Ultra Vision
(Sieger Showcase Evening: AI – Master 2024)

Team: Paul Hassanpour, Manuel Kranzl, Saifur Rahmani, Michael Zeiner
Kategorie: AI
Beschreibung: Dieses Projekt hatte zum Ziel, eine Anwendung zur Identifizierung fehlerhafter Ultraschallköpfe anhand von Testbildern zu entwickeln. Mit dem Schwerpunkt auf der Implementierung eines binären Bildklassifizierungsmodells umfassten die Aufgaben Datenexploration, Dateistandardisierung und Extraktion relevanter Bildbereiche mittels deterministischer und CNN-basierter Methoden. Ein auf VGG16 basierendes Modell wurde für die Klassifikation ausgewählt. Vorverarbeitung und Datenanreicherung wurden erkundet, zeigten jedoch begrenzte Wirksamkeit. Die Hyperparameterabstimmung leitete die Modelloptimierung. Die finale Anwendung, in Python implementiert und eine ausführbare Datei umgewandelt, befasst sich mit der Identifizierung fehlerhafter Ultraschallköpfe.

BelAIcik

Team: Gerald Kloimstein, Peter Szabo, Thomas Ville, Alexander Zotter
Kategorie: AI
Beschreibung: BelAIcik ist eine Videoanalysesoftware, welche geschaffen wurde, um Coaches und Scouts bei der automatischen Analyse von qualitativ niederwertigem Material aus nur einem Winkel zu helfen. Es beinhaltet mehrere KI-Komponenten für die Felderkennung und Spielerkennung und nutzt klassische Computervision-Ansätze für den Rest. BelAIcik transformiert Seitenansichten in die Vogelperspektive und berechnet einige Statistiken auf dem Weg dorthin. Der Prototyp hat gezeigt, dass auch aus einer Videoansicht einige Informationen extrahiert werden können.

Projekte 2023

Der Master-Studiengang AI Engineering präsentierte seine neuesten AI-Technologies-Projekte.

Content CreAItors (Sieger Best of Class Award 2023)

Developers:

Ziel des Projektes Content CreAItors ist es, ein Natural Language Model so zu trainieren, dass es aus einer Zusammenfassung eines Textes einen passenden YouTube-Titel generieren kann. Der Fokus wurde auf das Thema Edutainment beschränkt. Die Zusammenfassung wird aus den Untertiteln des Videos generiert, wodurch der gesamte Prozess automatisiert werden kann.

League of Bots

Developers:

Das Projekt League of Bots befasste sich mit der Entwicklung eines 2D-Plattformspiels, in dem 4 künstliche Intelligenzen gegeneinander um die Wette spielen. Zu diesem Zweck wurde ein dynamischer Level erstellt, der aus verschiedenen handgefertigten Level-Segmenten aufgebaut ist. Für das Training der KIs wurden Parameter hinzugefügt, um zufällig Levels für das Training zu erstellen. Durch Herausforderungen während des Semesters wurde die beste KI ermittelt. Menschliche Spieler können nun in vordefinierten Levels gegen die KI antreten.

Der Blickrechner /  Sum at first sight

Developers:

Mithilfe der Software Der Blickrechner genügt ein Blick, um die Nutzung von PCs zugänglich zu machen. Für viele Menschen mit Beeinträchtigungen sind Dinge, die wir für selbstverständlich halten, oft ein Ding der Unmöglichkeit, etwa die Steuerung eines Computers mit einer Maus. Die Maus muss bei diesem Projekt nicht mit der Hand gesteuert werden. Als Beispiel dient eine Taschenrechner-App, mit der man addieren, subtrahieren, multiplizieren und dividieren kann – und zwar nur mit Hilfe des Blicks.

Language Sloth

Developers:

Das Projekt Language Sloth ist eine native Anwendung, die sich mit der Sprachsynthese und Übersetzung von Texten und Sprachaufnahmen beschäftigt. Sprachsynthese ist die künstliche Erzeugung der menschlichen Sprechstimme. Die Anwendung enthält zwei Funktionen. Die erste Funktion ist Speech-to-Speech, bei der der Benutzer mit Hilfe der Anwendung Sprache aufnehmen und auswählen kann, in welche andere Sprache der aufgenommene Text übersetzt werden soll. Das Ergebnis kann dann direkt in der Anwendung wiedergegeben werden. Die zweite Funktion ist ein Text-zu-Text-Übersetzer. Wie der Name schon sagt, kann der Benutzer einen Text in die Anwendung eingeben, dieser wird in die gewünschte Sprache übersetzt.

Pick and Place with AI (PnP w/ AI)

Developers:

Die KI von Pick and Place with AI erkennt in Echtzeit, welche Bauteile gerade von der Kamera erfasst werden. Dabei wird am Bildschirm zu jedem Bauteil die Genauigkeit der Bauteil-Erkennung in Prozent angezeigt. Aktuelle Bestückungsautomaten erfüllen ihre Aufgabe sehr gut, aber der große Nachteil ist ihr Preis. Anstatt eine Maschine für Tausende von Dollar zu kaufen, konzentriert sich dieses Projekt auf das Training eines KI-Modells, das die Position und Drehung von elektrischen Bauteilen, wie etwa Computer-Chips auf einem Bild vorhersagt. Das Modell wird ausschließlich mit synthetischen Daten trainiert. Die KI von Pick and Place with AI erkennt in Echtzeit, welche Bauteile gerade von der Kamera erfasst werden. Dabei wird am Bildschirm zu jedem Bauteil die Genauigkeit der Bauteil-Erkennung in Prozent angezeigt.