Recent Submissions
Optimising the generation performance for multimodal diffusion models using reinforcement learning
(2024) Gaude, Justus
This bachelor thesis explores the field of multimodal data synthesis, focusing specifically on the generation of high quality image-text pairs within the UniDiffuser framework. While the UniDiffuser framework has proven its efficiency in generating joint samples along a linear path, where the timesteps of the modalities are uniformly discretized. This study questions whether alternative paths could potentially offer better outcomes in terms of both quality and efficiency. To address this inquiry, hypotheses are formulated, an environment is developed, action space, and state spaces are defined. Through the training of reinforcement learning agents and the use of evaluation metrics, this research attempts to find alternative paths that are more computationally efficient and produce higher quality image-text pairs. Ultimately, this study aims to advancing the state of the art in multimodal data generation.
Propädeutik der Technikwissenschaften : Doktorandenseminar: Wissenschaftstheorie der Technikwissenschaften
(Stuttgart : Universität Stuttgart, Institut für Industrielle Fertigung und Fabrikbetrieb, 2025) Erlach, Klaus
Technikwissenschaften im Wissenschaftssystem
Vom Forschungsprozess zur Gliederung: Forschungsreise
Technikwissenschaftliche Erkenntnis: Begriff & Hypothese
Modelltheorie und Systemtheorie
Forschungsfrage und Themenfindung
Evaluation der Zielerreichung: Verifikation & Validierung
Wissenschaftstheoretische Positionierung
Towards advancing modular AI planning systems : insights from the PlanX toolbox redesign
(2025) Six, Daniel
As ai planning systems grow in complexity and are deployed in increasingly diverse application contexts, existing frameworks often struggle with modularity, reusability, and tool interoperability. These limitations hinder the integration of heterogeneous planning tools and reduce the adaptability of planning systems to evolving requirements. This thesis addresses these issues by redesigning the PlanX Toolbox, an open-source framework for composing ai planning functionalities based on soa and cbse principles.
Through a detailed architectural analysis of the original PlanX system, several constraints were identified, including rigid service interactions, limited extensibility, and tightly coupled parsing, converting, and planning components. In response, a redesigned architecture was developed featuring a modular Generation Unit that unifies conversion and plan generation while maintaining parsing as an independent component. This restructuring improves the separation of concerns and supports more flexible composition of planning workflows. The redesign also introduces standardized message structures and dynamic planner selection, simplifying the integration of new components.
The evaluation includes the integration of the Fast Downward planner, which revealed both the potential and the limitations of reusing standardized input formats like pddl across diverse planning backends. While conversion and generation could be modularized effectively, parser reusability remained constrained by tool-specific assumptions and preprocessing steps. These findings highlight key insights into the practical challenges of building modular ai planning systems: true composability requires not only standardized interfaces but also architectural awareness of planner internals.
By proposing and validating a refined system architecture, this thesis provides actionable design patterns for enhancing maintainability, extensibility, and integration in ai planning systems. The findings offer both theoretical and practical contributions to advancing modular ai planning frameworks.
Entwicklung eines Datenprodukt Lifecycles zur Verbesserung des Datenproduktmanagements
(2025) Herrmann, Lisa
Daten sind einer der wertvollsten Rohstoffe der heutigen Zeit, werden jedoch von vielen Unternehmen nicht optimal genutzt, obwohl sie in großen Mengen vorliegen. Ein erleichterter Zugriff und Umgang mit Daten sind essenziell, um deren Potenzial auszuschöpfen. Besonders ein domänenübergreifender Austausch fördert die Zusammenarbeit und eine effektivere Nutzung. Data Mesh stellt als dezentrales Konzept einen vielversprechenden Ansatz für das Datenmanagement dar, indem Daten in Form von Datenprodukten von den jeweiligen Domänen bereitgestellt werden. Ein strukturierter Lifecycle kann das Management dieser Datenprodukte optimieren, indem klare Zuständigkeiten der beteiligten Rollen definiert werden. Bestehende Konzepte wie Produkt-Lifecycles oder Daten-Lifecycles werden im Zuge einer Anforderungsanalyse als unzureichend für die Anwendung im Bereich Data Mesh befunden, da diese Konzepte wesentliche Anforderungen der Rollen nicht vollständig abdecken. Daher wird in dieser Arbeit ein neuer Datenprodukt-Lifecycle entwickelt, der sich in die fünf Hauptphasen Discovery, Design, Development, Deployment und Delivery gliedert. Ergänzend umfasst der Lifecycle andauernde Tätigkeiten wie Maintenance, Monitoring und die Einhaltung von unternehmensweiten Vorgaben. Zudem werden Implementierungsstrategien für die Umsetzung aufgestellt, und zur Veranschaulichung wird das Konzept prototypisch als grafische Benutzeroberfläche implementiert. Die Evaluation zeigt, dass der Lifecycle die beteiligten Rollen im Umgang mit Datenprodukten unterstützt, indem eine klare Differenzierung der Verantwortlichkeiten ermöglicht wird und damit zur Verbesserung des Datenproduktmanagements beigetragen wird.
Deep fair clustering with multi-objective handling
(2025) Saha, Ankita
Clustering is an unsupervised learning technique widely used in various critical domains, such as heathcare and finance, yet fairness remains an underexplored challenge especially in the field of deep-learning based clustering. Traditional methods often reinforce biases present in the dataset, leading to ethical concerns in critical applications This thesis proposes Deep Fair Clustering with Multi-Objective Handling (DFC-MOH), a deep learning framework integrating both group level and individual Level fairness constraints with clustering quality. By incorporating balance loss for group fairness and individual fairness loss into a combined loss function, DFC-MOH enables flexible trade-offs between both fairness constraints and clustering performance. Extensive experiments on synthetic and real-world datasets demonstrate the effectiveness of our approach in achieving fair and high-quality clustering with reasonable scalability.
Accelerating segment anything models via token merging : a comparative study and a spectrum preservation-based approach
(2025) Xie, Siwei
The Segment Anything Model (SAM) has emerged as a significant advancement in image segmentation, demonstrating exceptional generalization across diverse datasets with minimal task-specific tuning. However, its computational demands, inherited from Vision Transformers (ViTs), pose considerable challenges for deployment in resource-constrained environments. This thesis addresses these challenges by integrating token merging strategies, which have proven effective in enhancing the efficiency of ViTs without additional training. Specifically, we conduct a comprehensive analysis of SAM’s architecture and adapt existing token merging techniques to reduce computational overhead while maintaining high segmentation accuracy. We propose an architecture for SAM that incorporates these strategies and evaluate its performance and computational efficiency across various datasets, showing that our approach effectively accelerates SAM’s inference speed while preserving segmentation quality. Furthermore, we propose GradToMe based on PiToMe, an innovative method that leverages gradient approximation and grid-based sampling to combine similar tokens. This approach emphasizes spectrum preservation to retain critical information during the token reduction process, thereby improving the effectiveness of token merging and further saving computational costs. Consequently, our results demonstrate that this approach enhances the feasibility of deploying SAM in real-time applications, making it more suitable for use in resource-limited environments without compromising performance. Code is available at: https://github.com/xxjsw/tome_sam.
Simulative Bestimmung der Temperatur im Dichtkontakt von Radial-Wellendichtungen
(Stuttgart : Institut für Maschinenelemente, 2025) Feldmeth, Simon; Bauer, Frank (apl. Prof. Dr.-Ing.)
An Radial-Wellendichtungen kann Leckage auftreten, wenn die Elastomer-Dichtlippe des Radialwellendichtrings (RWDR) im Betrieb thermisch geschädigt wird. Dabei überschreitet die Temperatur im Dichtkontakt das ertragbare Maß, weil zu viel Reibwärme im Dichtkontakt entsteht und/oder diese Reibwärme nicht ausreichend gut an die Umgebung abgeführt werden kann.
RWDR aus besonders temperaturbeständigen Elastomeren sind sehr teuer und könnten in Zukunft möglicherweise verboten werden. Für eine wirtschaftliche und zugleich funktionssichere Auswahl des RWDRs muss deshalb bereits in der Konstruktionsphase bekannt sein, welche Temperaturen später während des Betriebs im Kontaktbereich herrschen werden. Die Messung der Temperatur im Dichtkontakt erfordert einen Prototyp sowie Prüftechnik und ist damit sehr aufwändig. Ziel dieser Arbeit ist es deshalb, eine Methode zu entwickeln, mit der die Temperatur im Dichtkontakt von Radial-Wellendichtungen prognostiziert werden kann.
In dieser Arbeit wurde eine Simulationsmethode entwickelt, mit der das Temperaturfeld im gesamten Dichtsystem und dessen Einbauumfeld simuliert werden kann. Daraus kann die Temperatur im Dichtkontakt ermittelt werden. Zum Einsatz kommt die CHT-Methode (Conjugate Heat Transfer), bei der die „klassische“ Strömungssimulation (CFD) um die Berechnung der Wärmeleitung in angrenzenden Festkörpern erweitert wird. Die Entstehung der Reibwärme wird mittels benutzerdefinierter Funktionen in das Simulationsmodell integriert, wodurch die Reibleistung/-wärme als Funktion der Betriebsbedingungen und der Radialkraft des RWDR modelliert werden kann. Diese Funktion basiert auf empirischen Messdaten. Im Simulationsmodell können Geometriemerkmale, Betriebsbedingungen und Stoffwerte durch Parametrisierung einfach und systematisch variiert werden. Die Validierung des Simulationsmodells erfolgt durch einen Abgleich der Temperatur in unmittelbarer Nähe des Dichtkontakts, die mittels Infrarot-Thermografie ermittelt wurden.
Um die Temperatur im Dichtkontakt von Radial-Wellendichtungen noch einfacher und schneller als mittels Simulation abschätzen zu können, wurde darüber hinaus das Näherungsverfahren „ExACT“ entwickelt. Dieses basiert auf einem thermischen Ersatzmodell und berücksichtigt die acht wichtigsten Einflussfaktoren auf die Temperatur im Dichtkontakt, wodurch es einen deutlich breiteren Anwendungsbereich und eine höhere Genauigkeit als bisherige Näherungsverfahren aufweist. Zur einfachen und intuitiven Anwendung des ExACT-Verfahrens wurde das Berechnungstool InsECT entwickelt, das als Web-App frei zugänglich ist. Sowohl die Simulationsmethode als auch das Berechnungstool InsECT mit dem darin enthaltenen Näherungsverfahren ExACT wurden bereits mehrfach erfolgreich in anderen Forschungsprojekten sowie in der Industrie eingesetzt.
Re-identification attacks to validate the privacy provided by anonymization
(2025) Below, Richard
When sensitive microdata regarding people is published, choosing a secure anonymization method is vital. Comparing the effectiveness of different anonymization methods is challenging due to their structural differences. Many re-identification attacks exist that attempt to reverse these methods and identify individuals. However, prior work typically evaluates privacy risks in isolation - focusing on a single anonymization technique at a time. The proposal in this work is to compare different anonymization methods by simulating re-identification attacks on them. In a first step, an ontology that models the landscape of attacks and anonymization methods is created. Additionally, all attacks available in the literature are retrieved and analyzed with regard to which anonymization methods are susceptible to them. As specified in the ontology, the anonymization methods, attacks and their relationships are organized into a structured knowledge graph. Finally, a framework is created, making our contributions seamlessly accessible. The framework allows access to the knowledge graph via an interactive visualization. Additionally, attacks that can be simulated on custom data anonymized by different methods are implemented. After simulating the attacks, their success can serve as a state-of-the-art approximation of the actual re-identification risk. The attack’s success aids in bridging the comparability gap between structurally different anonymization methods.
High-rate intercity quantum key distribution with a semiconductor single-photon source
(2024) Yang, Jingzhong; Jiang, Zenghui; Benthin, Frederik; Hanel, Joscha; Fandrich, Tom; Joos, Raphael; Bauer, Stephanie; Kolatschek, Sascha; Hreibi, Ali; Rugeramigabo, Eddy Patrick; Jetter, Michael; Portalupi, Simone Luca; Zopf, Michael; Michler, Peter; Kück, Stefan; Ding, Fei
Quantum key distribution (QKD) enables the transmission of information that is secure against general attacks by eavesdroppers. The use of on-demand quantum light sources in QKD protocols is expected to help improve security and maximum tolerable loss. Semiconductor quantum dots (QDs) are a promising building block for quantum communication applications because of the deterministic emission of single photons with high brightness and low multiphoton contribution. Here we report on the first intercity QKD experiment using a bright deterministic single photon source. A BB84 protocol based on polarisation encoding is realised using the high-rate single photons in the telecommunication C-band emitted from a semiconductor QD embedded in a circular Bragg grating structure. Utilising the 79 km long link with 25.49 dB loss (equivalent to 130 km for the direct-connected optical fibre) between the German cities of Hannover and Braunschweig, a record-high secret key bits per pulse of 4.8 × 10 -5 with an average quantum bit error ratio of ~ 0.65% are demonstrated. An asymptotic maximum tolerable loss of 28.11 dB is found, corresponding to a length of 144 km of standard telecommunication fibre. Deterministic semiconductor sources therefore challenge state-of-the-art QKD protocols and have the potential to excel in measurement device independent protocols and quantum repeater applications.
LUBAC enables tumor-promoting LTβ receptor signaling by activating canonical NF-κB
(2024) Chen, Yu-Guang; Rieser, Eva; Bhamra, Amandeep; Surinova, Silvia; Kreuzaler, Peter; Ho, Meng-Hsing; Tsai, Wen-Chiuan; Peltzer, Nieves; de Miguel, Diego; Walczak, Henning
Lymphotoxin β receptor (LTβR), a member of the TNF receptor superfamily (TNFR-SF), is essential for development and maturation of lymphoid organs. In addition, LTβR activation promotes carcinogenesis by inducing a proinflammatory secretome. Yet, we currently lack a detailed understanding of LTβR signaling. In this study we discovered the linear ubiquitin chain assembly complex (LUBAC) as a previously unrecognized and functionally crucial component of the native LTβR signaling complex (LTβR-SC). Mechanistically, LUBAC-generated linear ubiquitin chains enable recruitment of NEMO, OPTN and A20 to the LTβR-SC, where they act coordinately to regulate the balance between canonical and non-canonical NF-κB pathways. Thus, different from death receptor signaling, where LUBAC prevents inflammation through inhibition of cell death, in LTβR signaling LUBAC is required for inflammatory signaling by enabling canonical and interfering with non-canonical NF-κB activation. This results in a LUBAC-dependent LTβR-driven inflammatory, protumorigenic secretome. Intriguingly, in liver cancer patients with high LTβR expression, high expression of LUBAC correlates with poor prognosis, providing clinical relevance for LUBAC-mediated inflammatory LTβR signaling.