Zum Hauptinhalt springen

AK-Wissenschaftspreis 2016

Manuel Parfant und Daniel Hofstetter, Masterabsolventen von Informationstechnik und System-Management, erhielten für Ihre Abschlussarbeiten den AK-Wissenschaftspreis 2016.

Die Forschungsfrage der Arbeiterkammer für 2016 lautete, wie die Arbeits- und Lebensbedingungen von Arbeitnehmerinnen und Arbeitern verbessert werden können.
Technische Lösungen für diese Frage beschäftigten Manuel Parfant und Daniel Hofstetter in ihren Masterarbeiten. Sie wurden am 29. November in der Kategorie „Zukunfts- bzw. technisch-naturwissenschaftliches Thema“ von der Arbeiterkammer dafür ausgezeichnet.

Smart Home vernetzen
In Manuel Parfants Masterarbeit über die „Erstellung einer Kommunikationsinfrastruktur für verteilte Smart Home Anwendungen“ ging der Absolvent der Frage nach, wie individuelle Gesamtlösungen für Smart Home Systeme realisiert werden können.
Bei den derzeit verfügbaren Smart Home Systemen gibt es auf Grund von fehlenden Standards größtenteils nur Einzellösungen, wie z.B. eine Heizungs- oder Rollladensteuerung, die nicht miteinander kommunizieren können und einige wenige Gesamtsysteme. Parfant untersuchte vorhandene Kommunikationsprotokolle und Programmiersysteme auf ihre Verwendung in einem Smart Home. Er zeigte, dass die Definition eines Kommunikations- und Programmierstandards für Smart Home Systeme die Realisierung von unzähligen neuen Anwendungsfällen und die Erstellung von individuell an die Bedürfnisse der Benutzer angepassten Gesamtsystemen ermöglicht. Die Arbeit des Netzwerktechnikers wurde von Armin Veichtlbauer betreut.

Stressbelastung erkennen
In „Biomarker für die Detektion von belastungsbedingten Veränderungen im vegetativen Nervensystem“ beschäftigte sich Daniel Hofstetter mit neuartigen mathematischen Verfahren, um die Stressbelastung bei Sportstudenten und Schmerzpatienten zu erkennen.
Betreut von Stefan Wegenkittl untersuchte Hofstetter aus dem Pulsschlag abgeleitete, klassische und neuartige Kenngrößen in Bezug auf die Stressbelastung und wandte speziell nicht-lineare Indikatoren (Lyapunov-Exponent, Approximate Entropy) auf Messdaten von ProbandInnen an. Mit verbesserten Implementationen von Algorithmen und Methoden in MATLAB konnte eine höhere Genauigkeit und Robustheit der prognostischen Qualität der Indikatoren für Stressbelastung erreicht werden.

Manuel Parfant (le. Reihe, 4. von links) und Daniel Hofstetter (rechts neben Parfant) bei der Verleihung