VDMA-Nachwuchspreis Die vier besten Jungtalente in Sachen Digitalisierung stehen fest

Quelle: VDMA

Zwei Master- und zwei Bachelorarbeiten, welche neue Ideen zur Digitalisierung im Maschinen- und Anlagenbau thematisieren, wurden jetzt vom VDMA ausgezeichnet.

Firmen zum Thema

Die Digitalisierung gilt als Wegbereiter in die industrielle Zukunft. Jetzt hat der VDMA vier Digitalisierungstalente für ihre innovativen Ideen in puncto Maschinen- und Anlagenbau mit einem Nachwuchspreis geehrt. Wer die Glücklichen sind, erfahren Sie hier.
Die Digitalisierung gilt als Wegbereiter in die industrielle Zukunft. Jetzt hat der VDMA vier Digitalisierungstalente für ihre innovativen Ideen in puncto Maschinen- und Anlagenbau mit einem Nachwuchspreis geehrt. Wer die Glücklichen sind, erfahren Sie hier.
(Bild: R. Manus)

Digitalisierung gilt für die Zukunft und den Erfolg des Maschinen- und Anlagenbaus als essenziell. Doch ohne Förderung von jungen Digitalisierungstalenten könnte die deutsche Industrie im internationalen Vergleich auf der Strecke bleiben. Der VDMA Software und Digitalisierung und die Abteilung Bildung des VDMA wollen das unterstützen und setzen sich mit einem Nachwuchspreis für Studierende aus dem Bereich Digitalisierung ein.

Die beiden VDMA-Einheiten haben nun zum 5. Mal herausragende Abschlussarbeiten aus den Fachbereichen Ingenieurwissenschaften und Informatik mit dem Nachwuchspreis „Digitalisierung im Maschinenbau“ ausgezeichnet. Besonders geprägt seien die Arbeiten durch ihren hohen Innovationsgrad und die Praxistauglichkeit. Wissenschaftler von Hochschulen aus Deutschland und Österreich nominierten insgesamt 27 Studierende von 23 Hochschulstandorten. Das sind nun die vier, die es geschafft haben:

Die Preisträger aus dem Bereich Masterarbeit

Den ersten Platz in der Kategorie Masterarbeit hat Nina Großegesse erhalten. Sie ist Data Science-Studentin an der Paris Lodron Universität Salzburg. Die Arbeit entstand unter der Betreuung von Prof. Dr.-Ing. Christian Borgelt und wurde in Kooperation mit Beckhoff Automation GmbH & Co. KG verfasst. Die Arbeit dreht sich um die Entwicklung eines Ablaufs zur physikalischen Unwuchtdetektion in einer Ebene, die auf einer Schwingungsdatenanalyse basiert und sich für die Integration in ein Automatisierungssystem eignet.

Erster Platz! Nina Großegesse, Data Science-Studentin an der Paris Lodron Universität Salzburg, wird mit dem 1. Preis in der Kategorie Masterarbeit ausgezeichnet.
Erster Platz! Nina Großegesse, Data Science-Studentin an der Paris Lodron Universität Salzburg, wird mit dem 1. Preis in der Kategorie Masterarbeit ausgezeichnet.
(Bild: VDMA)

Im Fokus der Vorgehensweise stehen Methoden aus dem Bereich des maschinellen Lernens. Diese wurden unter Berücksichtigung verschiedener Anwendungsszenarien für das Problem der Unwuchtdetektion evaluiert. Aus den Ergebnissen konnten Handlungsanweisungen abgeleitet werden, die sich auf die Auswahl der Trainingsdaten sowie die Anwendung der Modelle in der Praxis beziehen. Damit bietet die Arbeit einen Workflow für die Realisierung und Anwendung einer Unwuchtdetektion auf Basis von Methoden des maschinellen Lernens.

Harm Dasenbrook, Industrial Informatics Student an der Hochschule Emden-Leer, erhält den 2. Preis in der Kategorie Masterarbeit. Die Thesis entstand unter der Betreuung von Prof. Dr.-Ing. Armando Walter Colombo von der Hochschule Emden-Leer, in einer Kooperation mit dem Unternehmen Landguth Heimtiernahrung GmbH.

Harm Dasenbrook, Industrial Informatics Student an der Hochschule Emden-Leer, erhält den 2. Preis in der Kategorie Masterarbeit.
Harm Dasenbrook, Industrial Informatics Student an der Hochschule Emden-Leer, erhält den 2. Preis in der Kategorie Masterarbeit.
(Bild: VDMA)

Die Arbeit umfasst die Entwicklung und Prototyp-Implementierung eines auf dem Industrial Internet of Things (IIoT) basierten Systems zur digitalen Abbildung, Analyse und Optimierung von Produktions- und Energiemanagementprozessen. Durch die Implementierung des Prototypen ist es dem Unternehmen möglich, Stoffströme der Hauptwasser- und Hauptgasleitung für das Energiemanagement zu erfassen, wodurch bessere Analysen und Optimierungen ermöglicht werden.

(ID:47885665)