@phdthesis{Frink2023,
  type      = {Master Thesis},
  author    = {Mathias Frink},
  title     = {Evaluierung des Potenzials zur Erh{\"o}hung der Unternehmenssicherheit anhand eines Objekterkennungs-Prototyps mithilfe K{\"u}nstlicher Intelligenz},
  doi       = {10.57683/EPUB-2349},
  url       = {https://nbn-resolving.org/urn:nbn:de:hbz:832-epub4-23493},
  year      = {2023},
  abstract  = {Durch die stetige Weiterentwicklung und die mediale Pr{\"a}senz der k{\"u}nstlichen Intelligenz findet die Steigerung der Unternehmenssicherheit in Unternehmen besondere Bedeutung. Insbesondere aus dem Umfeld des Machine Learnings sind kontinuierlich Anwendungen zu verzeichnen, die dazu dienen, eine derartige Ma{\"s}nahme zu unterst{\"u}tzen. Im Rahmen dieser Arbeit wurde untersucht, ob eine potenzielle Steigerung der Unternehmenssicherheit durch den Einsatz eines Prototyps f{\"u}r die Objekterkennung basierend auf einem YOLOv5-Algorithmus erreicht werden kann. Es wurden Beispielszenarien definiert und die Wirksamkeit dieses Algorithmus bei der Erkennung und Identifizierung in Bezug auf die Sicherheitsanforderungen in einem Unternehmensumfeld evaluiert. Die Forschungsmethodik umfasste die Entwicklung und den Aufbau des Prototyps, der auf einem YOLOv5-Algorithmus basiert und auf einem Trainingsdatensatz der Objekterkennung trainiert wurde. Der Prototyp wurde anschlie{\"s}end in einer Laborumgebung implementiert und auf seine F{\"a}higkeit getestet, Objekte nach definierten Sicherheitsanforderungen zu erkennen. Die Implementierung eines solchen Prototyps konnte dazu beitragen, die Sicherheitsma{\"s}nahmen in Unternehmen zu unterst{\"u}tzen, die Sicherheitsreaktion zu beschleunigen und proaktivere Ans{\"a}tze zur Gefahrenabwehr zu erm{\"o}glichen. Aus diesen Ergebnissen sind weitere Forschungen und praktische Anwendungen im Bereich der Unternehmenssicherheit denkbar.},
  language  = {de}
}