Ein nicht ganz alltägliches, aber sehr wichtiges Themenfeld auch für angehende Wirtschaftsingenieur*innen liegt im Bereich Data Science. Daten gewinnbringend analysieren, auswerten und ggf. durch Algorithmen unterstützte Vorhersagen zu treffen können den Unternehmenserfolg nachhaltig steigern.

Daher entschieden sich zwei Studierende des Wirtschaftsingenieurwesens für eine Studienarbeit in dieser Richtung. Den teilweise steinigen Weg hin zu einem funktionsfähigen Beispielmodell stellen die beiden hier vor.

In der Studienarbeit "Data Science - Intelligente Türöffnung" haben wir, Johanna und Max, mit Hilfe eines Raspberry Pis eine Gesichtserkennung auf unsere Gesichter trainiert. Um die Tür zu simulieren, wurde eine LED-Matrix verwendet, die jeweils einen Text anzeigt. Erkennt die Kamera ein bekanntes Gesicht, erscheint der Satz "Hello" plus der Name der erkannten Person. Ist die Person dagegen unbekannt, ist dort "Fail, please try again" zu sehen. Im folgenden Video demonstrieren wir die Funktionsweise der Gesichtserkennung im Live-Betrieb.

Auf dem Weg zu diesem Ergebnis mussten wir allerdings zunächst einige Hürden überwinden. Trotz passablem, aber noch ausbaufähigem Vorwissen im Programmieren mit Python oder im neuen Umgang mit einem Raspberry Pi waren zunächst Probleme, wie beispielsweise das richtige Anschließen der Hardware und die Inbetriebnahme der Kamera, zu lösen. Nach ein paar Stunden voller Nerven- und Zeitaufwand, sowie der Neuanschaffung einer Kamera, kamen wir letztendlich zu dem Ergebnis, dass das neueste Betriebssystem nicht immer das Beste ist, da dieses auch eine Umstellung der Kamera beinhaltet und es so nicht funktioniert. Also nochmals alles von Neuem, altes Betriebssystem herunterladen, benötigte Einstellungen vornehmen und schon sieht es bereits besser aus. Die LED-Matrix läuft dann Dank einer passenden Beschreibung und einem kostenlos zur Verfügung stehendem Code relativ schnell. Bei der Gesichtserkennung klappte es leider nicht ganz so reibungslos. Nachdem es zu Problemen beim Herunterladen von OpenCV (eine open-source Bibliothek zur Bildbearbeitung) kam, mussten wir ebenfalls nochmal umschwenken und einen anderen Code finden.

Letztendlich konnten wir dann, nach einigen Modifikationen des Codes, erfolgreich die Gesichtserkennung so trainieren, dass der Algorithmus eine Übereinstimmung festgestellt hat. Im Anschluss daran haben wir nur dann noch die LED-Matrix entsprechend programmiert und in das ganze System integriert. Am Ende steht also tatsächlich eine Gesichtserkennung, die eine Person erkennt und potentiell eine Tür öffnen könnte. Dazu muss allerdings noch eine Integration in ein Türöffnungssystem erfolgen und eine robuste Hülle, sowie ein effizientes Design entworfen werden.

Natürlich ist das Ergebnis noch ausbaufähig, denn bis dato kann der Algorithmus sehr einfach ausgetrickst werden. Hält man ein Foto einer bekannten Person vor die Kamera, wird auch dieses erkannt und in der realen Anwendung würde die Tür dann auch tatsächlich geöffnet. Diese Sicherheitslücke kann in einer weiteren Arbeit durch eine Zwei-Faktor Authentifizierung zum Beispiel durch eine integrierte Gestenerkennung behoben werden.

Neben der technischen Umsetzung haben wir als Bestandteil der Studienarbeit auch eine wirtschaftliche Betrachtung durchgeführt. Aufgrund unseres Studiengangs (Wirtschaftsingenieurwesen) bietet sich diese Kombination aus ökonomischen und technischen Betrachtungen mehr als an. Die wirtschaftlichen Aspekte dabei waren eine Marktanalyse, eine Kostenkalkulation sowie ein Werbevideo und die Vorteile einer intelligenten Türöffnung für den Verbraucher. Dabei ist zu erwähnen, dass sich alle eben genannten Aspekte auf eine fertiggestellte intelligente Türöffnung beziehen.

Die Umsetzung der Studienarbeit stand in Verbindung mit dem Fach Data Science, zu dem wir im fünften Semester bereits auch eine Vorlesung besucht hatten. Die Bearbeitung des Themas hat uns persönlich in diesem Fachgebiet, als auch im Programmieren, weitergebracht. Ebenfalls hat uns die Vielseitigkeit eines Raspberry Pis beeindruckt, sodass wir auch privat weitere Projekte, wie beispielsweise einen sogenannten "Magic Mirror", mit einem Raspberry Pi umsetzen wollen.