Refine
Document Type
- Bachelor Thesis (21)
- Conference Proceeding (4)
- Master's Thesis (4)
Keywords
- Künstliche Intelligenz (29) (remove)
Institute
Im Rahmen der Arbeit wurde untersucht, welche neuen Möglichkeiten Künstliche Intelligenz (KI) bezüglich der bei Phishing-Angriffen verwendeten Taktiken, Techniken und Werkzeuge bietet. Die Nutzung von KI-gestützten Phishing-Angriffen wird praxisnah beschrieben. Unter diesem Aspekt wurden aktuelle KI‘s betrachtet, insbesondere ChatGPT. Daraufhin wurde analysiert, inwiefern diese den Prozess des Phishing oder Teilaspekte davon vereinfachen beziehungsweise erleichtern. Die Ergebnisse wurden diskutiert, um ein besseres Verständnis dafür zu schaffen, wie künstliche Intelligenz den Phishing-Angriffen neue Angriffsvektoren hinzufügt. Die rechtliche oder ethische Bewertung von KI im Zusammenhang mit Phishing wurde nicht behandelt. Zudem geht die Arbeit ebenfalls nicht auf die Entwicklung oder Implementierung spezifischer Abwehrmaßnahmen ein.
In dieser Arbeit wird mittels eines qualitativen Vergleichs untersucht, ob KI-basierte Modeling-Gitarrenverstärker in der Lage sind, einen Röhrenverstärker klanglich exakt zu emulieren. Dazu werden Emulationen von zwei verschiedenen Röhrenverstärkern erstellt, um diese, als auch die Röhrenverstärker mit denselben Stimuli eines Gitarrensignals zu speisen. Aus den Signalen soll ein Differenzsignal gebildet werden, welches lediglich Signalanteile beinhaltet, in welchem sich Röhrenverstärker und Emulation unterscheiden. Die Signale werden hinsichtlich der Parameter Dynamik, Spektralverhalten und Timbre auf Unterschiede untersucht. Die Resultate werden analysiert und es wird gezeigt, dass minimale messbare Unterschiede existieren und worin diese liegen.
Keiner schaut mehr Fernsehen. Die Benutzung von Videostreaming ist beim Großteil der digital vertrauten Bevölkerung in Fleisch und Blut übergegangen und erstreckt sich über den gesamten Globus. Die Giganten der Streaming-Anbieter sind YouTube, Amazon und Netflix und sie sind dem Modell des Fernsehens meilenweit voraus. Mit komplex verstrickten Algorithmen sollen uns, den Nutzern, die Inhalte geboten werden, die uns dazu bringen, noch mehr zu konsumieren. Wie weit und auf welche Weise muss ein System entwickelt sein, um jedem Nutzer Inhalte anzubieten, die unheimlich oder faszinierende Weise auf uns zugeschnitten sind?
Das Ziel dieser Forschung ist es, das System der Vorschläge von Netflix auf die Qualität, Passgenauigkeit und Effizienz im Hinblick auf Präferenzen und Bedürfnisse zu bestimmen, die die Nutzer in Verbindung mit Netflix aufweisen.
Um die Forschungsfrage zu beantworten, wurden innerhalb einer mehrteiligen, iterativen Meinungsumfrage Bewertungen von Vorschlägen von Freunden, Bekannten und Familie mit den Vorschlägen von Netflix in den Zusammenhang mit dem eigenen Filmgeschmack, Präferenzen, Nutzung des Accounts und Verhalten beim Streaming gebracht. Dabei wurde bestätigt, dass die Vorschläge von Netflix stärker zum Filmgeschmack passen, hierbei jedoch Differenzierungen bei der Popularität und Unterhaltsamkeit des Vorschlags zu beobachten sind. Des Weiteren zeigte die empirische Untersuchung auf, dass verhaltenspsychologische und sozialwissenschaftliche Aspekte Einflüsse auf die Effizienz einer künstlichen Intelligenz haben und noch nicht voll ständig in die Optimierung in das System der Netflix Vorschläge eingeflossen sind.
Die Bachelorarbeit untersucht den Einfluss von Künstlicher Intelligenz (KI) auf das Kaufverhalten in der Modeindustrie. Ziel ist es, die Faktoren zu identifizieren, die die Akzeptanz von KI-gestützten Technologien beeinflussen. Basierend auf einer umfangreichen Literaturanalyse wurden verschiedene Einflussfaktoren identifiziert, darunter wahrgenommene Nützlichkeit, Benutzerfreundlichkeit und Vertrauen. Die Ergebnisse zeigen, dass diese Faktoren einen signifikanten Einfluss auf die Einstellung der Verbraucher und ihre Bereitschaft zur Nutzung von KI haben. Die Arbeit hebt hervor, wie Unternehmen diese Erkenntnisse nutzen können, um KI effektiv in ihre Marketingstrategie zu integrieren und die Vorteile zu maximieren.
Die fortschreitende Digitalisierung stellt Ermittlungs- und Strafverfolgungsbehörden vor große Herausforderungen. Die steigenden Datenmengen sind insbesondere für die Aufklärung von Delikten wie der Kinderpornografie ein Problem, da große Datenbestände manuell gesichtet werden müssen. Um Herr der Lage zu bleiben, müssen neue Ermittlungsansätze eingeführt werden, die sich technisch unterstützender Werkzeuge wie KI bedienen. Zielen solche Hilfsmittel heute auf die Reduktion der händisch zu analysierenden Materialien ab. Bisher fehlt eine semantische Betrachtungsmöglichkeit der kinderpornografischen Inhalte, um Bild- und Videomaterialien einer Aufnahmeserie zuordnen zu können. Diese Forschungsarbeit befasst sich mit der Konzeption der semantischen Analyse kinderpornografischer Materialien.
Diese Masterarbeit analysiert die Möglichkeiten der Auditierung von Künstlicher Intelligenz in der Theorie und der Praxis. Im Rahmen eines anwendungsnahen Szenarios wird mithilfe des Frameworks Avalanche ein kontinuierlich lernendes System konstruiert. Deren Gewichtswerte sowie die Änderung der Gewichte werden in einer Logdatei gespeichert. Der Verlauf der Änderungen sowie der entstehende Speicherbedarf bei variierender Hidden Layer-Zahl und Neuronenanzahl gibt Rückschlüsse über die Anwendbarkeit der betrachteten Methode. Diese Vorgehensweise ist alleinstehend nicht ausreichend für eine umfassende Auditierung, wodurch weiterführende Forschung notwendig ist.
Das Ziel dieser Masterarbeit ist die Evaluierung des Realtime Multi-Person 2D Pose Estimation Frameworks OpenPose. Dazu wird die Forschungsfrage gestellt, bis zu welcher Pixelgröße ein Mensch allgemein von dem System mit einer Sicherheit von über 50% richtig detektiert und dargestellt wird. Um die Forschungsfrage zu beantworten ist eine Studie mit sieben Probanden durchgeführt wurden. Aus der Datenerhebung geht hervor, dass der gesuchte Confidence Value zwischen 110px und 150px Körpergröße in von Menschen digitalen Bildern erreicht wird.
Anomaly Detection is a very acute technical problem among various business enterprises. In this thesis a combination of the Growing Neural Gas and the Generalized Matrix Learning Vector Quantization is presented as a solution based on collected theoretical and practical knowledge. The whole network is described and implemented along with references and experimental results. The proposed model is carefully documented and all the further open researching questions are stated for future investigations.
The aim of this bachelor thesis is to find out how the use of artificial intelligence, specifically the one used in combat situations, can increase the playing time or even the replay value of games in the action role-playing genre. Thereby, it focuses mainly on combat situations between a player and an artificial intelligence.
To begin with, this bachelor thesis examines the action role-playing genre in order to find a suitable definition for it. Accordingly, action role-playing games involve titles that send the player on a hero’s journey-like adventure in which they must prove their skills in combat against virtual opponents. The greatest challenge of these real-time battles comes from the required quick reflexes, skill queries and hand-eye coordination.
Next, six means of increasing the replayability of a game are explored: Experience and Nostalgia, Variety and Randomness, Goals and Completion, Difficulty, Learning, and Social Aspect. The paper then proceeds to give an explanation for the term Artificial Intelligence and examines the various methods used to create intelligent behavior as well as the general advancement of the research field. Special attention is given to the implementation methods of Finite State Machines and Behavior Trees, as they are the most widely used methods for creating behavioral patterns of virtual characters.
Finally, a study conducted as part of the bachelor thesis is described, which compares a mathematically balanced artificial intelligence with a behaviorally balanced one in terms of game performance regarding the willingness of test subjects to purchase and play through the game as well as its replay value. The thesis concludes with the findings that while the behavioral approach is more promising than the mathematical approach, a combination of the two methods ultimately leads to the best outcome. Furthermore, the study shows that the use of artificial intelligence to individualize gaming experiences is promising for the future of the gaming industry.
Potenziale von Big Data und künstlicher Intelligenz zur
Optimierung von Geschäftsprozessen im Handel
(2022)
Die Digitalisierung und dahingehend ihr Technologien Big Data und künstliche Intelligenz bringen frischen Wind in Handelsunternehmen. Sie können durch die Technologien neue Grenzen in der Effektivität und Effizienz bestehender Prozesse setzen. Darum sollten Unternehmen diese Potenziale ausschöpfen. Ziel dieser Arbeit ist diese Potenziale zu erkennen und anhand eines Praxisbeispiels darzustellen. Daraus resultiert die Forschungsfrage: Wie können Unternehmen im Online-Handel Big Data- und künstliche Intelligenzen anwenden, um Prozesse nachhaltig und langfristig zu optimieren? Spezifisch wurde in dieser Ausarbeitung das Potenzial gefunden, die Kundenkommunikation durch eine künstliche Intelligenz zu besetzen, Teile des Logistikmanagements zu übernehmen und den Retourenprozess effizienter und effektiver zu machen. Somit könnten Unternehmen mit dem Einsatz der Technologien,
Kundenzufriedenheit, Umsätze und Gewinne steigern und die
Bearbeitungsgeschwindigkeit und den Retourenprozess von dem Anruf bis hin zu der gewünschten Form der Rückerstattung kürzen