Moderne IoT Anwendungen greifen häufig auf Sensoren zurück, die auf Mikrocontrollern laufen und über Netzwerkprotokolle wie LoRaWAN oder Bluetooth Low Energy kommunizieren. Damit die Sensoren über eine längere Zeit autark betrieben werden können, muss der Ressourcenbedarf der Anwendungen minimiert werden.

Die Bachelorarbeit beschäftigt sich mit der Frage, wie weit Ressourcen wie Rechnenleistung, Kameraauflösung, Datenübertragung minimiert werden können, um dennoch bestimmte Aufgaben wahrnehmen zu können. Es werden ressourceneffiziente KI-Modelle mit Sensoren (Kameras, Abstandssensoren, Vibrationssensoren) implementiert und in verschiedenen Anwendungsszenarien getestet.

Die Fähigkeit, sich zu orientieren und Karten zu lesen, ist zentral, um sich in einer unbekannten Umgebungen zurechtzufinden. Menschen besitzen unterschiedlich ausgeprägte Fähigkeiten, sich mit Karten zu orientieren. Während es zahlreiche Navigationssysteme gibt, die uns helfen, unseren Weg zu finden, wurde bisher nur sehr wenig Anstrengung unternommen, um GI-Technologien zur Förderung der Orientierungs- und Kartenlesefähigkeiten einzusetzen und die individuellen Unterschiede zu überwinden.

GeoGami ist ein ortsbezogenes Spiel, das digitale Karten nutzt, um systematisch die Kompetenz des Kartenlesens zu vermitteln. In dieser Arbeit soll untersucht werden, wie Trainings zur Förderung der Kartenlesekompetenz von Menschen mit digitalen Karten gestaltet werden können. Wie lassen sich Trainings für spezifische Teilkompetenzen des Kartenlesens wie Selbstlokalisierung, Kartenorientierung oder Objekterkennung gestalten? Wie können virtuelle Umgebungen so gestaltet werden, dass sie eine optimale Umgebung für das systematische Testen der Kompetenz des Kartenlesens bieten?

Ebenso wie die technische Entwicklung und die datengestützte Analyse ist im Rahmen einer Abschlussarbeit die Entwicklung von Bildungsmaterialien für den Einsatz in der Schule denkbar.