Doktorandenkolloquium des FB4


Das Doktorandenkolloquium des FB4 (kurz: FB4-DK) ist ein Ort der AG- und institutsübergreifenden Diskussion der Forschung am Fachbereich. Es dient der Vorstellung von Forschungsthemen durch Doktoranden (und Doktorandinnen) des Fachbereichs. Als Teilnehmer sind alle wissenschaftlichen Mitarbeiter und Professoren willkommen. Selbst Master-Studierende mit Forschungsambitionen sind willkommen. Die Vorträge zielen auf das breite Spektrum des Fachbereichs.


Die Vorträge einschließlich Diskussion sind auf eine Stunde angesetzt. Die Vorträge der Doktoranden können durch Rede- bzw. Diskussionsbeiträge der an der Forschung Beteiligten (etwa der Betreuer) aufgelockert werden. Die Vorträge sollten so angelegt sein, dass sie die Forschungsfragen und die Methodik verständlich vermittelt bei Beachtung des breiten Themenspektrums am Fachbereich. Die vorgestellten Themen können sich in unterschiedlichen Phasen der Bearbeitung befinden und können einen unterschiedlichen Umfang ausmachen; etwa "geplant" versus "in der Durchführung" versus "abgeschlossen" als Phasen und "Einzelthema" versus "Doktorarbeit" als Umfang.

Das FB4-DK findet relativ regelmässig am vierten Mittwoch im Monat um 16 Uhr ct statt. Vorschläge für Vorträge bitte an Martin Leinberger (  mit Angabe des Titels und einer Zusammenfassung (etwa 100 Worte) wahlweise in Deutsch oder Englisch.

Nächste Vorträge

Vortragender: Eike Lyczkowski

Datum & Uhrzeit: 13.11.2019, 16 Uhr c.t., Gebäude D 239

Gastgeber: Prof. Hannes Frey

Titel: Wireless Ultra-Reliable Low-Latency Communication with Cellular Technologies in an Industrial Context.


With the rise of mobility and flexibility on the factory floor new challenges emerge. Especially the requirements on wireless communication rise and current technologies are not able to fulfil these requirements. Thus, it is of high interest if 5G is able to fulfil those new requirements and how to integrate 5G in current factory set-ups. The most typical use case thereby is the usage of autonomous guided vehicles (AGVs).
While the research on new applications of AGVs on the factory floor is ongoing, the outcomes are transferred on the usage of AGVs for parcel deliveries in an urban environment. The usage of AGVs for parcel deliveries has the advantage of reducing congestion and being locally emission-free. In combination with mechatronic post-boxes parcels can be delivered at any time.
Within this thesis, the usage of cellular technologies on the factory floor and urban logistics is evaluated. Within the presentation the current and future research is presented. This includes an empirical evaluation on the usage of private LTE on the factory floor, the usage of different communication technologies on the factory floor and the influence of different wireless technologies on a distributed AGV control.


Vortragende: Maha Alghalibi

Datum & Uhrzeit: 13.11.2019, 16 Uhr c.t., Gebäude D 239

Gastgeber: J.-Prof. Kai Lawonn, Prof. Dietrich Paulus

Titel: Emotion and Sentiment Detection in Unstructured Social Data


During the relatively ‘short’ period of time elapsed between the last thirty years of the 20th century and the end of the first two decades of this 21st century, the world has progressively witnessed an ‘explosive’ advancement in the diverse multidisciplinary fields of computer science/engineering, communication engineering, and information technology. However, increasing the size of data, especially in social media platforms, led to the emergence of many challenges. One of these challenges is how to extract knowledge from a big chunk of data which would result in finding useful information for easily understand, interpret and make a decision.

We address the problem of detection, classification and quantification of emotions and opinion of text and image in any form. We consider English text collected from social media like Twitter and dataset of images polarity from Flicker and twitter which can provide information having utility in a variety of ways, especially sentiment, emotion and opinion mining. Social media like Twitter, Facebook, and Flicker are full of emotions, feelings and opinions of people all over the world. However, analyzing and classifying text and image on the basis of emotions and sentiment is a big challenge and can be considered as an advanced form of Sentiment Analysis. We propose a method to classify text and image into different Emotion-Categories: Negative, Positive and Neutral. In our proposed system, we use two different approaches and combine them to effectively extract these emotions from text and image. The first approach is based on Natural Language Processing, and uses several textual features and dimensionality reduction methods. The second approach is based on Machine Learning classification algorithms. On testing, it is shown that our model provides significant accuracy in classifying tweets and images taken from Twitter and Flicker.