https://opendata.uni-halle.de//handle/1981185920/13529 2026-10-16T12:02:16Z 2026-10-16T12:02:16Z Ahvanouee, Hesam Rezaee Fay, Alexander https://opendata.uni-halle.de//handle/1981185920/125294 2026-05-13T09:53:05Z 2026-01-01T00:00:00Z

Title: Kombination von AAS und AutomationML für durchgängiges Engineering Author(s): Ahvanouee, Hesam Rezaee; Fay, Alexander Abstract: Zur Umsetzung einer integrierten Engineering-Toolkette und zur Verbesserung der Interoperabilität müssen Informationen aus verschiedenen ingenieurwissenschaftlichen Disziplinen systematisch zusammengeführt werden, um ein konsistentes Modell für Engineering-Daten zu schaffen. Ein solches Modell kann die Interoperabilität sowie die Zusammenarbeit zwischen Datenanbietern und -nutzern erleichtern. Die Asset Administration Shell (AAS) und AutomationML (AML) dienen dabei als zentrale Schlüsseltechnologien zur Modellierung von Engineering-Daten sowie zu deren Verteilung und zur Verwaltung des Datenzugriffs. In diesem Beitrag stellen wir einen Ansatz vor, der zeigt, wie die Integration der genannten Technologien im Kontext des Factory-X Projekts die Produktivität steigert und den Lösungsfindungsprozess im Engineering effizienter gestaltet. Dies wird erreicht, indem die jeweiligen Stärken beider Standards gezielt genutzt und kombiniert werden.

2026-01-01T00:00:00Z Divkovic, Darko Kunze, Franz C. Manca, Gianluca Fay, Alexander https://opendata.uni-halle.de//handle/1981185920/125293 2026-05-13T09:52:41Z 2026-01-01T00:00:00Z

Title: KI-gestützte Erweiterung der statischen Analyse von GRAFCET-Spezifikationen durch LLM-basierte Extraktion und Integration von Zusatzinformationen Author(s): Divkovic, Darko; Kunze, Franz C.; Manca, Gianluca; Fay, Alexander Abstract: Die Überprüfung kritischer Eigenschaften in GRAFCET-Spezifikationen – wie Sicherheit, Erreichbarkeit und Deadlock-Freiheit – ist für zuverlässige Automatisierung wichtig. Model Checking ist hierfür eine etablierte Methode, leidet jedoch unter Zustandsraumexplosion. Statische Analyse kann diesen Aufwand reduzieren, erfasst jedoch ohne Domänenwissen keine Fehler, die aus semantischen Eigenschaften der Anlagenvariablen resultieren. Dieser Beitrag stellt einen hybriden Ansatz vor, der statische Analyse mit Large Language Models (LLMs) kombiniert, um diese Einschränkung zu überwinden. Die hybride Methode identifiziert erfolgreich synthetisch eingebrachte Modellfehler in einer industriellen GRAFCET-Fallstudie, die klassische statische Analyse übersieht.

2026-01-01T00:00:00Z Fleissner, Kathrin Jazdi, Nasser Weyrich, Michael https://opendata.uni-halle.de//handle/1981185920/125292 2026-05-13T09:52:19Z 2026-01-01T00:00:00Z

Title: Rahmenbedingungen der Automatisierung des kontextabhängigen Patiententransports Author(s): Fleissner, Kathrin; Jazdi, Nasser; Weyrich, Michael Abstract: Autonome mobile Roboter (AMR) werden bereits für logistische Aufgaben im Krankenhaus eingesetzt und sollen künftig verstärkt patientennahe Tätigkeiten übernehmen. Dabei stellen die hohe Dynamik des Krankenhausumfelds sowie die Vielzahl unterschiedlicher Akteure besondere Anforderungen an Sicherheit und Interaktion. Menschen müssen sowohl als Hindernisse als auch als kooperative Bestandteile des Systems berücksichtigt werden. Daher ist die kontextabhängige Anpassung des Roboterverhaltens auf Basis multimodaler Daten von zentraler Bedeutung. Diese Arbeit untersucht die Rahmenbedingungen für den Einsatz mobiler Roboter im Krankenhaus am Beispiel des Patiententransports. Zunächst wird der bestehende Patiententransport anhand von Prozessbeschreibungen aus Hospitationen analysiert. Ergänzend wurden in semistrukturierten Interviews mit Krankenhauspersonal (n = 6) thematische Kategorien identifiziert und daraus Anforderungen abgeleitet. Auf dieser Grundlage werden die Anforderungen an kontextabhängige und situationssensitive AMR im Krankenhaus beschrieben und auf den Patiententransport angewendet. Zudem wird die Bedeutung einer Operational Design Domain (ODD) zur Definition der Betriebsbedingungen sowie notwendiger domänenspezifischer Anpassungen erläutert. Der Beitrag liefert damit eine strukturierte Ableitung relevanter Kontextparameter als Grundlage für den sicheren und kontextsensitiven Einsatz mobiler Roboter im Krankenhaus.

2026-01-01T00:00:00Z Helmstaedt, Lukas Frank, Gernot Pflüger, Marius Siegle, Johannes Roder, Marc https://opendata.uni-halle.de//handle/1981185920/125291 2026-05-13T09:51:47Z 2026-01-01T00:00:00Z

Title: Validierung einer Methode zur aufgabenspezifischen Adaption von Transformer-Modellen für Zeitreihen am Beispiel der Präsenzzeit-prognose Author(s): Helmstaedt, Lukas; Frank, Gernot; Pflüger, Marius; Siegle, Johannes; Roder, Marc Abstract: Die effiziente Heizungssteuerung in Gebäuden ist bei variierenden Anwesenheitsmustern mit klassischen statischen Thermostatregelungen nur eingeschränkt möglich. Gleichzeitig bieten Transformer-Modelle Potenzial für Zeitreihenprognosen, erfordern jedoch eine aufgabenspezifische Anpassung. In dieser Arbeit wird ein zuvor entwickelter Leitfaden zur Adaption von Transformern anhand der Präsenzprognose validiert. Hierzu wird ein durchgängiges System aus Sensordatenerfassung, Modellinferenz und kontinuierlichem Nachtraining umgesetzt. Die Evaluation erfolgt in einem Feldversuch mit Daten aus einem Büro sowie mehreren Räumen eines Industriepartners. Die Ergebnisse zeigen eine Energieeinsparung von etwa 20 % gegenüber einer statischen Regelung. Zudem ermöglicht der raumübergreifende Ansatz die Generalisierung von Nutzungsmustern. Die Ergebnisse belegen die Wirksamkeit einer systematischen, domänenspezifischen Adaption.

2026-01-01T00:00:00Z