Könnten Deine Ergebnisse auch in anderen Wirtschaftssektoren eingesetzt werden, beispielsweise in Kraftwerken? Was für Vorteile gäbe es?
Obwohl ich mich in meiner Arbeit auf die Fertigung von Bauteilen konzentriere, gibt es viele weitere potenzielle Anwendungsmöglichkeiten. Meine Methode arbeitet mit hochdimensionalen Daten, also Bild- oder Videodaten. In Frage kommt daher jeder Prozess, der von Kameras beobachtet wird. Ich kann mir gut vorstellen, dass mein Modell auch in datenfundierten Abläufen von Kraftwerken angewandt werden könnte. Durch eine frühzeitige Erkennung von Anomalien in datenfundierten Abläufen könnten möglicherweise Unfälle ganz verhindert oder zumindest die Schwere des Unfalls reduziert werden.
Du hast davon gesprochen, dass hier am Fraunhofer ITWM an Finanzzeitreihen geforscht wird, könnte man auch dabei Deine Ergebnisse einsetzen?
Ja, im Finanzsektor könnten wir möglicherweise ähnliche Methoden anwenden. Allerdings bedarf es da auf jeden Fall noch weiterer Forschung, denn Finanzzeitserien sind normalerweise nicht hochdimensional, es sind also keine Bild- oder Videodaten. Daher müsste man mein Modell an eine neue Art von Daten anpassen, bevor es erfolgreich eingesetzt werden kann. Dann wären wir auch im Finanzsektor in der Lage frühzeitig Anomalien zu entdecken, also beispielsweise Kursänderungen auf dem Aktienmarkt.
Wie hast Du eigentlich an unser Institut gefunden, seit wann bist Du beim Fraunhofer ITWM?
Ich bin 2020 an das Fraunhofer ITWM gekommen. Ich hatte vorher einige Jahre als Softwareentwicklerin gearbeitet, habe dann aber gemerkt, dass ich mich eher für Machine Learning und Data Science interessiere. Deshalb habe ich mich entschieden, mich beruflich noch einmal völlig neu zu orientieren. Da ich es liebe meine eigenen Ideen zu verfolgen, Experimente durchzuführen und neue Möglichkeiten zu entdecken, wollte ich gerne in die Forschung. Ich habe dann einfach nach Unternehmen gesucht, die mir diese Möglichkeiten bieten können und da hat das Fraunhofer ITWM natürlich gut gepasst.