Rolle in der Werkstatt
Die Methodenschicht der Werkstatt — die Master-Thesis liefert das wissenschaftliche Fundament für Datenarbeit, Modellbewertung und vorsichtige Grenzen bei den eigenen Aussagen.
— Master-Thesis · htw saar / Fraunhofer-IZFP (Institut für zerstörungsfreie Prüfung) · Note 1,0
Feature-Selektion in hochdimensionalen Sensor-Daten.
Diese Case-Study zeigt, wie ich eine robuste Merkmalsauswahl für Sensordaten gebaut habe — mit 98,8 % balancierter Genauigkeit und offen dokumentierten Grenzen.
Hier beginnt die Geschichte, die auf der Startseite weitererzählt wird: Ich komme aus der Mechatronik und der datenbasierten Forschung. In dieser Arbeit habe ich gelernt, Messdaten diszipliniert auszuwerten und Aussagen nur so weit zu treffen, wie die Daten sie tragen. Dieselbe Arbeitsweise trägt heute meine Systeme für die Arbeit mit KI-Agenten.
2 Werkstoffe5 Zustände261 Initial-FeaturesGroupKFold (Proben-Gruppen-Validierung)Sperrvermerk: kuratierter Auszug
Zuletzt aktualisiert:
Jetzt prüfbar
- Methodik, Pipeline & Ergebnisse — kuratierter Auszug hier
- Thesis-Volltext: unter Sperrvermerk — auf Anfrage
— Rollen-Transfer
Was diese Route in der Werkstatt beweist.
Hier zeige ich meine wissenschaftliche Arbeitsweise — geprüft an einer Master-Thesis (1,0) mit offen dokumentierter Generalisierungslücke.
Transfer
Übertragbar sind das Evaluationsdesign, der Umgang mit Sperrvermerken und transparente Metriken — und die Fähigkeit, Forschungsergebnisse so zu übersetzen, dass sie eine Produktentscheidung tragen.
Öffentlicher Beleg
Eine Case-Study, die den Sperrvermerk respektiert: Methodik, Ergebnisse und Grenzen stehen öffentlich, Rohdaten und Volltext bleiben draußen.
Grenze
Keine vertraulichen Daten, keine Volltext-Veröffentlichung der Thesis und keine medizinische oder klinische Produktbehauptung.
— Zwei Aufgaben
Erst Werkstoffe trennen, dann die Zustände auf die Probe stellen.
Die stärkste Lesart der Thesis ist nicht nur die Feature-Reduktion. Entscheidend ist die Reihenfolge: Teil 1 beweist, dass die Pipeline grundsätzlich trägt. Teil 2 zeigt, wie anspruchsvoll die Zustandsklassifikation wird, wenn fünf Zustände materialübergreifend getrennt werden sollen.
Teil 1
Materialunterscheidung: zwei Werkstoffe
Die erste Aufgabe trennt die Werkstoffe 22NiMoCr3-7 und 20MnMoNi5-5. Hier konnte ich zeigen, dass 3MA-X8-Merkmale (aus einem mikromagnetischen Multiparameter-Messsystem), Feature-Selektion und LDA ein kompaktes, belastbares Modell ergeben — die Pipeline funktioniert als Ganzes.
20
Features
98,8 %
Test BA
92,3 %
Reduktion
Zur Einordnung: 99,5 % CV-BA, 98,8 % Test-BA und nur 0,7 Prozentpunkte Generalisierungslücke.
Teil 2
Zustandsunterscheidung: fünf Zustände
Die zweite Aufgabe unterscheidet 0,8 %, 2 % und 4 % plastische Dehnung sowie LCF 30 % und LCF 45 % (LCF: Low-Cycle-Fatigue, zyklische Ermüdung). Das war der schwierigere Teil: Die Zustände liegen nicht als sauber getrennte Inseln im Merkmalsraum. Dieser Teil zeigt die physikalischen Grenzen der Trennbarkeit.
5
Klassen
86,8 %
Row BA
90,0 %
Probe BA
BA = Balanced Accuracy (gleichgewichtet über alle Klassen) · Row = einzelne Messzeile · Probe = Mehrheitsentscheid über alle Zeilen einer Probe
Zur Einordnung: 4 % Dehnung war nahezu perfekt trennbar, 0,8 % Dehnung blieb die Grauzone.
Sieben Forschungsfragen, zwei Antworttypen: Q1–Q4 prüfen an der Materialfrage, wie weit sich die Features reduzieren lassen, ohne Güte zu verlieren; Q5–Q7 belasten an der Zustandsfrage, welche der fünf Zustände wirklich trennbar sind.
— Kontext
Wenn wenige Proben auf viele Sensormerkmale treffen.
Mikromagnetische Prüfsysteme erzeugen hochdimensionale Merkmalsräume aus wenigen physischen Proben. Das ist statistisch heikel, denn eine kleine Stichprobe trifft auf viele korrelierte Features, mehrere Messungen pro Probe und ein hohes Risiko für Leakage (Testdaten, die unbemerkt ins Training rutschen).
261
Initial Features
3MA-X8 Multiparameter-Messung
36
Samples
p >> n: klassische Hochdimensions-Lage
20
Final Features
Materialmodell nach Backward-Elimination
30
Zustandsproben
fünf Zustände, jeweils materialübergreifend
— Methodische Pipeline
Eine Vier-Stufen-Pipeline, jede Stufe begründet.
261 Features lassen sich nicht durch ein größeres Modell beherrschen. Die Reduktion läuft deshalb in vier begründeten Schritten von der Datenqualität über Korrelationen und Cluster bis zur Multikollinearität.
Stufenweise Reduktion: 261 -> 77 Features (-70,5 %)
Wichtig: Die 77 Features sind das Ende der Vorselektion, aber nicht die Basis des Finales. Für das Ranking und die anschließende Backward-Elimination habe ich bewusst den 112er-Zwischenstand nach dem Clustering genutzt, weil das streng VIF-bereinigte Subset in der Validierung messbar schlechter abschnitt — in der Thesis als VIF-Paradoxon dokumentiert. Der finale Leistungsanker der Materialunterscheidung ist die Backward-Elimination auf 20 Features mit 98,8 % Test-Balanced-Accuracy.
Stufe 1Qualität
Fehlwert- und Varianzfilter
Zunächst scheiden Features mit einer Fehlwertquote über 5 % oder nahezu konstanten Werten aus.261 -> 248 (-13)
Stufe 2Pairwise
Korrelations-Pruning
Danach prüfe ich Pearson und Spearman gleichzeitig; die Schwelle liegt bei |rho| >= 0,95.248 -> 133 (-115, -46,4 %)
Stufe 3Clustering
Hierarchisches Clustering
Anschließend verdichte ich jedes Feature-Cluster per Average-Linkage auf einen Repräsentanten.133 -> 112 (-21)
Stufe 4VIF-Pruning
Variance Inflation Factor
Im letzten Schritt entferne ich verbleibende Multikollinearität durch iteratives Pruning bei VIF > 20,0.112 -> 77 (-35)
Validierung
5-fach GroupKFold auf Probenebene
Alle Messungen einer Probe landen gemeinsam in einer Fold. Dadurch wird verhindert, dass Messungen derselben physischen Probe gleichzeitig in Training und Test auftauchen. Genau dieser Punkt macht die Arbeit methodisch glaubwürdig: Die Validierung respektiert die reale Datenstruktur.
— Konsens der Verfahren
10 Ranking-Verfahren, ein stabileres Signal.
Statt einem einzelnen Ranker zu vertrauen, vergleiche ich zehn Methoden aus drei Klassen und fasse die Ergebnisse zusammen. Relevant ist, was über alle Methoden hinweg stabil bleibt.
Filter
ANOVA-F, Mutual Information und korrelationsbasierte Verfahren liefern modellunabhängige Signale.
Embedded
Bei Lasso und Random-Forest-Importances fällt die Feature-Auswahl als Modell-Nebenprodukt ab.
Wrapper
Die Backward Elimination optimiert direkt gegen die Modellgüte.
— Ergebnisse
Ein starker Nachweis und ein ehrlicher Grenzfall.
Die Materialunterscheidung liefert den klaren Leistungsanker. Die Zustandsunterscheidung ist bewusst anders gerahmt: Sie zeigt nicht ein Scheitern, sondern wo die Methode bei fünf mechanischen Zuständen an ihre Grenzen kommt.
0,7 PP
Material Gap
CV-BA 99,5 %, Test-BA 98,8 %
20
Features
finales Materialmodell
98,8 %
Material Test BA
unabhängiges Hold-out-Set
35
Zustand Features
bestes Modell (Variante B, datengetrieben)
86,8 %
Zustand Row BA
90,0 % Probe-Level BA
Einordnung: Die 90,0 % Probe-Level-BA der Zustandsklassifikation entspricht 9 von 10 Testproben. Das ist stark, aber wegen der kleinen Testmenge bewusst vorsichtig zu lesen. Die Row-Level-BA von 86,8 % ist der robustere Vergleichswert für die fünf Zustände.
Materialunterscheidung: klare Trennung im 1D-LDA-Raum
Materialunterscheidung: Hold-out-Test-Set
Zustandsunterscheidung: 4 % stabil, 0,8 % als Grauzone, 0,8 % vs. LCF 30 % als Hauptverwechslung
Ranking-Verfahren im Vergleich: Modellgüte über Feature-Anzahl
— Erkenntnisse
Was bleibt, wenn die Pipeline läuft.
01
Transparente Modelle gewinnen, wenn der Datenraum klein ist.
LDA mit wenigen Features ist debugbar, interpretierbar und reproduzierbar. Das war wertvoller als ein schwer erklärbarer Black-Box-Gewinn.
02
Nebenbefund: der Arbeitsmodus — hier beginnt die Spur zur Arbeit mit KI-Agenten.
Ein kurzfristiger Themenwechsel hat mich zu schneller Einarbeitung gezwungen. Perplexity lieferte belastbare Quellen und peer-reviewte Paper, NotebookLM diente als Sammelort für Quellen, Podcasts und kleine Wissensbasen, und KI-Agenten habe ich diszipliniert in Recherche, Strukturierung und Umsetzung eingebettet. Aus vier Monaten wurde ein anderer Arbeitsmodus — die Spur, die der Rest dieser Site belegt.
— Grenzen
Der schwere Teil war nicht die Zahl der Features, sondern die Zustände.
Die Seite soll nicht nur eine Erfolgszahl zeigen. Für technische Entscheider ist fast wichtiger, dass die Arbeit sauber erklären kann, wo und warum die Methodik an Grenzen stößt.
Kleine Stichprobe limitiert Verallgemeinerung.
36 Samples für die Materialfrage und 30 Proben für die Zustandsfrage sind realistische industrielle Datenlagen, aber sie begrenzen jede Aussage über neue Werkstoffchargen, Anlagen oder Messbedingungen.
Zustände überlappen physikalisch.
Plastische Verformung und Low-Cycle-Fatigue verändern Mikrostruktur kontinuierlich. 4 % Dehnung war nahezu perfekt trennbar, aber 0,8 % Dehnung überschneidet sich mit 2 % und LCF 30 %. Die fünf Zustände sind deshalb keine sauber getrennte Klassifikationsaufgabe, sondern ein Trennbarkeitsproblem an der Grenze dessen, was Messung und Merkmale hergeben.
Nicht jede bessere Metrik ist bessere Erkenntnis.
Der sinnvolle Output ist hier nicht, die Grenzfälle mit mehr Modellkomplexität zu überdecken, sondern systematisch zu zeigen, welche Zustandspaare stabil unterscheidbar sind und wo zusätzliche Daten, Prozesswissen oder andere Sensorik nötig wären.
— Sperrvermerk
Case Study statt Volltext.
Die vollständige Thesis wird wegen Sperrvermerk nicht öffentlich bereitgestellt. Diese Seite zeigt bewusst nur kuratierte Methodik, Ergebnisse, Visualisierungen und Grenzen.
Keine Rohdaten, keine vollständigen Anhänge, kein öffentlicher PDF-Download.
Wie es von hier weitergeht
Die Thesis zeigt meinen fachlichen Ausgangspunkt und die methodische Arbeitsweise dahinter. Auf der Profilseite ordne ich ein, wie ich diese Erfahrung heute mit der Entwicklung von Systemen für KI-Agenten verbinde.
Mein Lebenslauf liegt anschließend in zwei Lesarten vor. Die erste setzt den Schwerpunkt auf Mechatronik, Messtechnik und zerstörungsfreie Prüfung. Die zweite hebt meine heutige Arbeit mit KI-Agenten, Datenpipelines und technischen Abläufen hervor.
Wie diese Arbeitsweise nach der Forschung weitergegangen ist, zeigt die Werkstatt