Im Rahmen der Arbeit sollen Methoden zur Verbesserung der Objekterkennung (z.B. von Fahrzeugen, Flugzeugen und/oder Schiffen) in elektro-optischen, multi-spektralen Satellitenaufnahmen durch die Nutzung von vier oder mehr Bildkanälen (RGB plus einem oder mehreren nahen und/oder fernen IR Kanälen) identifiziert werden.

Von Relevanz sind primär die Bereiche "Objekterkennung in Satellitenaufnahmen", "Verarbeitung und Analyse von elektro-optischen multi-spektralen Daten" sowie DeepLearning-Methoden. DeepLearning-Modelle sollen getestet, beschrieben und ggf. weiterentwickelt werden. Dabei soll ein Vergleich zwischen DeepLearning-Modellen hergestellt werden, die ausschließlich RGB Luftbilder als Eingabedaten nutzen und solchen, die hierfür multi-spektrale Luftbilder verwenden. Im Ergebnis dieses Vergleichs soll aufzeigt werden, ob und in welchem Umfang sich die Objekterkennung durch die Nutzung multi-spektraler Kanäle verbessert.

Die Einbindung von externem Wissen unter Verwendung der Methode RAG (Retrieval-Augmented Generation) hat sich als Schlüsselfaktor zur Erweiterung der LLM-Wissensbasis erwiesen. Im Rahmen der Abschlussarbeit soll die RAG-Methode evaluiert und Vor- und Nachteile in der Verarbeitung von Daten geliefert werden.

Insbesondere soll ausgearbeitet werden, wie die Datenaufbereitung für einen effizienten Einsatz von RAG erfolgen sollten. Außerdem ist von Interesse, ob es eine Einschränkung in der Datenmenge gibt, die RAG verarbeiten kann.

Die Erkennung von synthetisch generierten Mediendateien / "Deepfakes" ist zu einer dringenden Herausforderung in der digitalen Welt geworden. Synthetisch erzeugte Bilder, Videos und Audioaufnahmen können heute nicht mehr ohne weiteres von authentischen Aufnahmen unterschieden werden.

Teilnehmer sollen Verfahren und Methoden entwickeln oder vergleichen, welche synthetisch erzeugte Bilder, Videos oder Audioaufnahmen erkennen. Soweit möglich soll dabei die Entscheidung (synthetisch erzeugt vs. authentisch) anhand von Aufnahmeparametern begründet werden.

Ziel ist die Erstellung eines Rechenprogramms bzw. Simulationstools, welches in der Lage ist, Leistungsdichten von Laserlicht im Erdorbit (LEO) zu berechnen. Die Liste der Variablen umfasst hierbei die Ausgangsleistung, die Teleskopapertur, die Wellenlänge sowie die Betriebsart des Lasers (cw vs. pulsed). Zu berücksichtigen ist hierbei das Höhenprofil (Brechungsindex und Absorptionskoeffizient) der Atmosphäre und vor allem der Einfluss von Turbulenzen.

Fokus: Internationaler Stand der Technik zu Materialien und Verfahren für Keramiken mit extrem hohen Schmelztemperaturen (> 3000°C)

Ziel ist die Wiedergabe des aktuellen Standes der Technik zu den Materialien und den entsprechenden Herstellungsverfahren mit Fokus auf additive Herstellungsverfahren. Hier interessieren uns besonders thermische Schutzbeschichtungen. Falls möglich, sollte ein Konzept für die Herstellung eines eigenen Breadboards vorgestellt werden.

Zur Nachvollziehbarkeit von ungewolltem Informationsabfluss kann auf Bildschirmen ein möglichst unsichtbares "Wasserzeichen" eingeblendet werden. Damit sollen erstellte Screenshots oder Fotos im Nachhinein den Rechnern der jeweiligen Benutzer zugeordnet werden können. Das Wasserzeichen soll möglichst unsichtbar sein, um den Benutzer nicht bei der Arbeit zu behindern. Andererseits muss es robust genug sein, dass es auch auf Fotos schlechter Qualität erkennbar und nicht einfach zu entfernen oder zu verfälschen ist.

Erste Ideen sind Strichcodes, die sich je Bildrefresh (60x/Sec bei 60Hz) ändern und damit fürs bloße Auge ggf. nicht wahrnehmbar sind und auf Bildern wie Bildfehler (z.B. Moiréeffekt, Strichcode) erscheinen und z.B. eine Nutzer-ID codieren.

Ziel der Arbeit ist die Durchführung einer Machbarkeitsstudie für Windows 10/Windows 11 Umgebungen, mit der die Umsetzbarkeit nachgewiesen und dabei verschiedene mögliche Lösungsansätze verglichen und bewertet werden. Eine grundsätzliche Übertragbarkeit auf Linux-Umgebungen wäre ebenfalls wünschenswert aber nicht zwingend erforderlich.