Generative KI-Systeme verändern zunehmend den privaten und beruflichen Alltag von Menschen. Damit rücken nicht nur Fragen der technischen Leistungsfähigkeit, sondern auch der individuellen Akzeptanz und kompetenten Nutzung von KI-Systemen in den Fokus. Das Technologieakzeptanzmodell (TAM) bietet mit Konstrukten wie dem wahrgenommenen Nutzen, der wahrgenommenen Benutzerfreundlichkeit und Nutzungsintention einen etablierten theoretischen Rahmen, um die Akzeptanz neuer Technologien zu erklären. Parallel gewinnt das Konzept der AI Literacy an Bedeutung: Es beschreibt Kompetenzen, die Personen benötigen, um KI-Systeme zu verstehen, kritisch zu bewerten, angemessen einzusetzen und deren Grenzen sowie gesellschaftliche Implikationen zu reflektieren. Bisherige Forschung zeigt, dass die Akzeptanz von KI-Anwendungen stark von subjektiven Einschätzungen, Erfahrungen und Kontextbedingungen geprägt sein kann. Gleichzeitig ist noch unzureichend empirisch geklärt, wie AI Literacy mit klassischen Akzeptanzfaktoren zusammenhängt. Ziel ist es, das Zusammenspiel dieser Variablen näher zu beleuchten.

Generative KI-Systeme verändern zunehmend den privaten und beruflichen Alltag von Menschen. Mit ihrer Verbreitung steigt der Bedarf an Kompetenzen, die Menschen dazu befähigen, KI-Systeme zu verstehen, sachgerecht einzusetzen, ihre Ergebnisse kritisch zu bewerten und mögliche gesellschaftliche, ethische und rechtliche Folgen zu reflektieren. Diese Fähigkeiten werden unter dem Begriff AI Literacy beziehungsweise KI-Kompetenz zusammengefasst. Für das mehrdimensionale Konstrukt AI Literacy bestehen unterschiedliche Konzeptualisierungen, Skalen und Messmethoden. Bislang ist nur unzureichend geklärt, wie diese Komponenten untereinander zusammenhängen und wie sie in eine Reihe benachbarter Konstrukte einzubetten sind. Ziel ist es einen Überblick zu relevanten Prädiktoren, Kriterien, Korrelaten sowie Moderator- und Mediatorvariablen zu erstellen und einen Beitrag dazu zu leisten, AI Literacy in ein umfassenderes nomologisches Netzwerk verwandter Konstrukte einzuordnen.

Generative KI-Systeme verändern zunehmend den privaten und beruflichen Alltag von Menschen. Anwendungen wie KI-basierte Chatbots oder Assistenzsysteme eröffnen vielfältige Möglichkeiten zur Informationsbeschaffung, Texterstellung, Problemlösung und Entscheidungsunterstützung. Gleichzeitig stellen sie Nutzer:innen vor neue Herausforderungen: Um KI-Systeme verantwortungsvoll und zielgerichtet einsetzen zu können, sind neben grundlegenden technischen Kenntnissen insbesondere Fähigkeiten zur kritischen Bewertung von Ergebnissen, zur Formulierung geeigneter Eingaben sowie zur Reflexion ethischer, rechtlicher und gesellschaftlicher Auswirkungen erforderlich. Diese Fähigkeiten werden unter dem Begriff AI Literacy beziehungsweise KI-Kompetenz zusammengefasst. Mit der zunehmenden Verbreitung generativer KI wächst daher der Bedarf an geeigneten Bildungsangeboten, die diese Kompetenzen systematisch und praxisnah vermitteln.

In dieser Thesis soll die Durchführung einer Nutzerstudie in virtueller Realität zur Interaktion zwischen Fußgänger:innen und autonomen Shuttles an ausgewählten Versuchsterminen begleitet und ein Verfahren zur Auswertung der erhobenen Daten entwickelt werden. Grundlage bildet ein bereits entwickeltes und umgesetztes Versuchskonzept. Im Mittelpunkt steht die Zusammenführung und relationale Auswertung verschiedener Datentypen zur Erfassung emotionaler Reaktionen von Fußgänger:innen, insbesondere selbstberichteter Emotionen, physiologischer Messdaten der Shimmer GSR+ Unit sowie Eye-Tracking Daten der VR-Brille Varjo Aero.

Ergebnis der Arbeit ist ein nachvollzieh- und reproduzierbares, auf die Gesamtstudie übertragbares Auswertungsverfahren.

Am Fachgebiet Fahrzeugtechnik (FZD) wird an End-to-End-Fahrmodellen für das automatisierte Fahren sowie an Methoden zu deren Absicherung geforscht. Während End-to-End-Modelle Sensoreingaben meist direkt auf Fahrtrajektorien abbilden, muss ihr Verhalten insbesondere in sicherheitskritischen Verkehrssituationen zuverlässig überwacht und bewertet werden. Ein vielversprechender Ansatz hierfür ist der Einsatz sogenannter Safety Checker, welche die vom Fahrmodell erzeugten Trajektorien hinsichtlich sicherheitsrelevanter Anforderungen überprüfen und bei Bedarf korrigierend eingreifen können. Ziel dieser Arbeit ist die Konzeption, Implementierung und Bewertung eines geeigneten Safety Checkers sowie die Untersuchung seines Einflusses auf das Verhalten eines End-to-End-Fahrmodells in simulationsbasierten Experimenten. Basierend auf realistischen Verkehrsszenarien werden verschiedene Safety-Checker-Ansätze hinsichtlich ihrer Sicherheitswirkung, ihres Einflusses auf die Fahrleistung, ihrer Robustheit sowie ihrer praktischen Einsetzbarkeit systematisch untersucht und miteinander verglichen.

Kooperative Interaktionen zwischen Verkehrsteilnehmenden sind eine wesentliche Voraussetzung für einen sicheren und effizienten Straßenverkehr. Besonders Fahrstreifenwechsel stellen Situationen dar, in denen Fahrende ihre eigenen Interessen mit den Bedürfnissen anderer Verkehrsteilnehmender abwägen müssen. Prosoziales Fahrverhalten umfasst hierbei freiwillige, kooperative und situationsangemessene Verhaltensweisen, die dazu beitragen, Sicherheit, Vorhersagbarkeit und Verkehrsfluss zu verbessern. Mit der zunehmenden Einführung automatisierter Fahrzeuge gewinnen solche kooperativen Interaktionen weiter an Bedeutung. Automatisierte Fahrzeuge müssen ihr Fahrverhalten so gestalten, dass menschliche Fahrende ihre Absichten verstehen und angemessen darauf reagieren können. Um diese Interaktionen wissenschaftlich untersuchen zu können, werden geeignete Messinstrumente benötigt. Während etablierte Fragebögen, wie beispielsweise das Prosocial and Aggressive Driving Inventory (PADI), allgemeines prosoziales Fahrverhalten erfassen, existiert bislang kein validiertes Instrument, das speziell die Kooperationsbereitschaft und das prosoziale Verhalten in Fahrstreifenwechselsituationen misst.

Mit dem zunehmenden Einsatz automatisierter Fahrzeuge (AV) in Europa gewinnen externe Mensch-Maschine-Schnittstellen (eHMI) an Bedeutung, um die Kommunikation zwischen Fahrzeugen und anderen Verkehrsteilnehmenden (VRU) zu verbessern. Besonders chinesische Hersteller integrieren bereits fortschrittliche symbolbasierte eHMI-Konzepte und sind regulatorisch teilweise näher an einer gesetzlichen Einführung als Europa. Insbesondere die Verständlichkeit und kulturelle Akzeptanz dieser Symbole werden im europäischen Kontext regelmäßig diskutiert.

Ziel der Ausschreibung ist die Validierung chinesischer eHMI-Symbole hinsichtlich Verständlichkeit, Notwendigkeit und Akzeptanz bei europäischen Nutzenden, um einen europäischen Standard umsetzen zu können.

Im Rahmen des Forschungsprojektes „Migration of Road Vehicle Automation“(MiRoVA) befasst sich das Fachgebiet Fahrzeugtechnik (FZD) mit der Entwicklung von assistiertem und automatisiertem Fahren und der Frage, welche Auswirkungen eine zunehmende Automatisierung auf Mensch-Technik-Systeme, intern wie extern hat. Besonders aus externer Sicht ist dabei das Fahrverhalten ein entscheidender Faktor bei der erfolgreichen Integration in den Mischverkehr. Ziel dieser Arbeit ist die systematische Identifikation und Analyse potentieller Unterschiede zu menschlichem Fahrverhalten.

Am Fachgebiet Fahrzeugtechnik (FZD) wird in Kooperation mit der TWT GmbH Science & Innovation im Forschungsprojekt CONTROL an der physikbasierten Simulation von Radar- und LiDAR-Sensoren für automatisierte Fahrzeuge geforscht. Ziel dieser Arbeit ist die Entwicklung realistischer Validierungsszenarien zur Untersuchung von Daten-, Modell- und Labelunsicherheiten sowie deren Einfluss auf die Sensorfusion und nachgelagerte Downstream-Aufgaben. Basierend auf simulierten Sensordaten werden klassische und ML-basierte Sensorfusionsverfahren hinsichtlich Fusionsgenauigkeit, Unsicherheitsquantifizierung, Recheneffizienz und Robustheit gegenüber adversarialen bzw. anomalienbehafteten Eingaben vergleichend bewertet.

Im Rahmen des Forschungsprojektes „Migration of Road Vehicle Automation“(MiRoVA) befasst sich das Fachgebiet Fahrzeugtechnik (FZD) mit der Entwicklung von assistiertem und automatisiertem Fahren und der Frage, wie sich Mensch-Technik-Systeme im Zuge unterschiedlicher Automatisierungsgrade und Designs entwickeln. Sogenannte ADS-Features lassen sich dabei auf unterschiedlichen Systemebenen beschreiben (bspw. Funktion, Software, Hardware, Fähigkeiten). Ziel dieser Thesis ist die Entwicklung eines Modellansatzes, welches die Wirkzusammenhänge innerhalb eines ADS-Features und seiner Systemebenen qualitativ darstellt und diesen anhand eines bestehenden ADS-Features evaluiert.

Ziel dieser Arbeit ist es, zielgruppenspezifische Informationsmaterialien sowohl im Textformat (Handbuchstil) als auch in Form von Kurzvideos zu entwerfen und zu evaluieren.

Beschäftigte in der manuellen Montage sind häufig hohen physischen Belastungen ausgesetzt, die mit muskuloskelettalen Erkrankungen assoziiert werden. Zur Reduktion ungünstiger Gelenkstellungen und Körperhaltungen bietet die automatische Positionierung von Arbeitsobjekten an ergonomisch gestalteten adaptiven Arbeitsstationen einen vielversprechenden Ansatz. Die Auswirkungen eines solchen Demonstrators sollen mithilfe eines Motion-Capture-Systems untersucht werden.

Am Fachgebiet Fahrzeugtechnik (FZD) wird in Kooperation mit Persival GmbH in dem Forschungsprojekt CONTROL an der Simulation von Sensorik für die Umfelderfassung automatisierter Fahrzeuge geforscht. Hierbei stehen besonders die Unsicherheiten von Lidarsensoren im Fokus. Im Rahmen dieser Thesis sollen bestehende Materialklassifikationen analysiert, erweitert und auf klassenspezifische Unsicherheiten bezüglich Reflexionseigenschaften typischer Lidarwellenlängen untersucht werden. Hierfür werden Reflektivitätsmessungen unter Laborbedingungen sowie auf Teststrecken durchgeführt.

Am Fachgebiet Fahrzeugtechnik (FZD) wird in dem Forschungsprojekt CONTROL an der Simulation von Sensorik für die Umfelderfassung automatisierter Fahrzeuge geforscht. Hierbei steht besonders die Fusion verschiedener Sensormodalitäten und deren Adaptivität im Fokus. Im Rahmen dieser Thesis sollen Ansätze einer adaptiven Sensorfusionsarchitektur systematisch untersucht und identifiziert werden. Darauf aufbauend soll ein erster Implementierungsansatz für eine 2D Objekterkennung mithilfe der Sensorfusionsarchitektur erarbeitet und hinsichtlich verschiedener Metriken analysiert werden.

Am Fachgebiet Fahrzeugtechnik (FZD) wird das Potential von Function Offboarding in Zusammenarbeit mit der Industrie für zukünftige softwarezentrierte Fahrzeugarchitekturen untersucht. Ziel ist die Konzeption und Implementierung einer modularen Simulationsumgebung zur quantitativen Bewertung des Einflusses von Modellkomplexität und Kommunikationslatenz auf die Funktionsgüte einer fahrdynamischen Regelung.