Im Rahmen der Cluster-Initiative Smart Machines vergibt die HAW zusammen mit der Johann Jacob Rieter-Stiftung seit 2021 einen mit CHF 10'000 dotierten Preis für die beste studentische Arbeit. Die diesjährige Preisverleihung fand am 4. November im Rahmen der traditionellen Herbstversammlung der HAW vor 80 Mitgliedern und Gästen im Volg Verteilzentrum in Oberwinterthur statt. Die Jury hatte auch dieses Jahr die Auswahl aus 2 qualitativ hochstehenden Bacherlor-Teamarbeiten und 1 Master-Einzelarbeit, die mehrheitlich mit Industriepartnern allesamt an der ZHAW School of Engineering eingereicht wurden.
Bild: Die glücklichen Sieger Alan Lützelschwab und Kevin Gertsch
Die Vorarbeiten zur Cluster-Initiative wurden von der HAW, House of Winterthur und der Technopark Winterthur AG 2019 gestartet und im Mai 2020 lanciert. Diese privatwirtschaftlich verantworte Initiative soll die Innovationstätigkeit der Unternehmen in den Clustern durch aktiven Wissens- und Erfahrungsaustausch und zielgerichtete F&E-Projekte stärken, damit diese Werte und Arbeitsplätze schaffen und damit den Wohlstand in der Region sichern.
Mit dem von der Johann Jacob Rieter-Stiftung und der HAW gespendeten Preis sollen hervorragende Arbeiten im Bereich Smart Machines ausgezeichnet werden. Bei der Beurteilung der Arbeiten soll insbesondere der Aspekt der technischen und ökonomischen Relevanz im Sinne der Umsetzbarkeit berücksichtigt werden. Die Jury, bestehend aus den Experten Peter Anderegg, David Gehring, Luzi Valär und Michael Wüthrich hat auch dieses Jahr wieder sehr gute Arbeiten beurteilen dürfen.
LLM-gestützte Erstellung von IoT-Dashboards
Patric Fuchs und Raphael Nambiar, Video
Diese Bachelorarbeit zeigt, wie generative KI die manuelle Erstellung von IoT-Dashboards durch natürlichsprachliche Anfragen automatisieren kann. Ein Prototyp kombiniert Large Language Models (LLMs) mit Retrieval-Augmented Generation (RAG), um aus unstrukturierten Eingaben valide Dashboards zu erzeugen. Die Ergebnisse belegen die technische Machbarkeit und Wirtschaftlichkeit und schaffen für den Praxispartner eine Grundlage für den produktiven Einsatz generativer KI in der Datenvisualisierung.
Automated Optical Density Measurements
Kevin Gertsch und Alain Lützelschwab, Video
Optische Dichte (OD)-Messungen quantifizieren die Lichtabsorption einer Probe und liefern Informationen über Stoffkonzentrationen oder Zellwachstum – etwa in der Lebensmittelproduktion oder Biotechnologie. Üblicherweise wird bei 600 nm (OD600) gemessen, wobei die Absorption mit der Zelldichte korreliert. Der Vorgang ist jedoch arbeitsintensiv, da mehrere Verdünnungen nötig sind.
Die Erweiterung in den UV-Bereich (200–400 nm) ermöglicht den Nachweis schädlicher Zellabfallprodukte und bietet neue Rückmeldesignale für Bioreaktoren. Bisher existiert kein marktreifes System für zuverlässige UV-OD-Messungen oder automatisierte Verdünnungsprozesse.
Diese Bachelorarbeit entwickelt daher ein autonomes Prototypsystem für die ZHAW Wädenswil, das OD-Messungen automatisiert und neue Datensätze zur Zellgesundheit liefert – als Proof of Concept für künftige, intelligente Bioreaktorsysteme in Forschung und Medizin.
Fuly unsupervised anomaly detection with contaminates data
Matthias Wüest, Video
In industriellen Fertigungsprozessen überwachen Kamerasysteme zunehmend automatisch die Produktqualität. Dabei erkennen Anomalie-Algorithmen ungewöhnliche Muster in Bilddaten. Deep-Learning-Modelle benötigen dazu viele fehlerfreie Trainingsbilder – in der Praxis gibt es jedoch oft kontaminierte Daten, was die Erkennungsleistung mindert.
Die Masterarbeit stellt mit Overlapping Subsets Data Refinement (OSDR) ein neues, vollständig unbeaufsichtigtes Verfahren vor, das Trainingsdaten automatisch bereinigt – unabhängig vom Modell und ohne Vorwissen über fehlerhafte Anteile. OSDR nutzt mehrere überlappende Datensubsets, berechnet einen Robustheitsscore und entfernt so unzuverlässige Bilder.
Tests an 16 industriellen Objekten zeigen, dass OSDR bestehende Verfahren übertrifft, den manuellen Aufwand reduziert und die Einführungskosten von KI-Qualitätssystemen deutlich senkt.
Bild: Alle Teilnehmer und die vollständige Jury
Die Jury hat sich eingehend mit allen Arbeiten, der Empfehlungen der Betreuer und auch den erhaltenen Kurzvideos auseinandergesetzt. Alle Arbeiten sind qualitativ hochstehend und zeugen auch von der Qualität der Ausbildung. Die Jury hat sich die Arbeit nicht leicht gemacht und auch über Details der Praxistauglichkeit debattiert.
Die Vertreter der HAW und der JJR-Stiftung gratulieren allen Teilnehmern zum Abschluss, danken für die Einreichung der Arbeiten und den Betreuern für den geleisteten Support.
Leider kann nur eine Arbeit gewinnen. Die Preisgewinner des Jahres 2025 sind Kevin Gertsch und Alain Lützelschwab, welche für Ihre Bacherlorarbeit eine komplette Smart Machine gebaut haben.
