Thomas Kopinski promovierte an Hochschule Ruhr West und der Université Paris-Sud

Kooperative Promotionen, vor einigen Jahren noch undenkbar, stoßen auf großes Interesse: seitens der Fachhochschulen, der Wissenschaft, Politik und vor allem bei Absolvent*innen und wissenschaftlichen Beschäftigten. 2016 promovierten insgesamt 29 wissenschaftliche Beschäftigte der HRW, allein acht im Fachbereich 1. Thomas Kopinski promovierte an der HRW und der Université Paris-Sud und schloss die Arbeit zum Thema „Neural Learning Methods for Human-Machine Interaction“ ab. Dafür erhielt er den international anerkannten Abschluss „PhD“, vergleichbar mit einem Doktortitel.

Für seine Promotion forschte Thomas Kopinski anwendungsorientiert schwerpunktmäßig an den Themen der ‚Human-Machine Interaction’, ‚Machine Learning’ und ‚3D-Data Processing‘. Während der Promotion wurde ein System zur Handgestenerkennung aus Time-of-Flight Daten entwickelt. Damit lassen sich Systeme freihändig und beleuchtungsunabhängig durch benutzerdefinierte Handgesten in Innen- und Außenräumen steuern. In einem datengetriebenen Entwurf wurden Neuronal Netze über Deep Learning Verfahren trainiert und zur Erkennung eingesetzt.

Die Ergebnisse flossen in erster Linie in die Entwicklung eines Demonstrators, mit dem sich die Einsatzfähigkeit von 3D-Handgesten in verschiedensten Umgebungen testen lassen. Darüber hinaus lieferten die Ergebnisse die Grundlage zu weiterführenden bilateralen Forschungsprojekten. Letztlich kam der Demonstrator in verschiedenen Lehrmodulen zum Einsatz. Studierende beispielsweise entwickelten in Projektarbeiten mobile Applikationen, mit deren Hilfe die Gebrauchstauglichkeit von Handgesten evaluiert werden konnte. Alle Ergebnisse sind publiziert und auf nationalen und internationalen Konferenzen vorgestellt worden.

„Das besondere an einer Promotion ist es, über einen langen Zeitraum von mehr als drei Jahren eine zentrale Fragestellung zu bearbeiten“, erklärte Thomas Kopinski. „Es stellte mich vor besondere Anforderungen an die eigene Motivation, Selbstorganisation und Planung. Nachdem ich mehrere Jahre in der Industrie im Bereich Mobile IT umfangreiche Erfahrungen sammeln konnte, wollte ich meine Interessensschwerpunkte vertiefen. Da ich das Ziel einer FH-Professur vor Augen hatte, war eine Promotion nicht nur ein notwendiger, sondern ein logischer nächster Schritt.“

Mit diesem Wunsch und diesem Ziel hatte Kopinski sich nach möglichen Kooperationspartnern erkundigt, unter anderem bestanden Kontakte zu einer Universität in Paris. „Als ich 2012 beim Bewerbungsgespräch am Institut Informatik meine Intention zu promovieren äußerte, wurde dieses Vorhaben vollends unterstützt und von Prof. Dr. Stefan Geisler und Institutsleiter Prof. Dr. Uwe Handmann gefördert.

Handmann und Kopinski erhielten 2012 die Förderung für ein Industrie- und Forschungsprojekt innerhalb des ZIM-Programms (Zentrales Innovationsprogramm Mittelstand des BMWi). Damit war es möglich, praxisnah zu forschen und die Ergebnisse einer Promotion in ein industrierelevantes Programm fließen zu lassen. Darüber hinaus wurden Teile der Promotion mit der internen Forschungsförderung durch Prof. Dr. Stefan Geisler, die HRW und den Fachbereich 1 in den Jahren 2014/15 auch finanziell unterstützt.

Nach seiner Promotion arbeitete Dr. Thomas Kopinski als Postdoc an der HRW und auch zeitweise an der Université Paris Sud. Er konnte sich den noch offen gebliebenen Fragen, die während der Promotion entstanden sind, widmen und hat an seinen Themen weiter geforscht. Der Ruf an die Fachhochschule Südwestfalen erfolgte im Laufe des Jahres 2016.

„Anwendungsorientierte, praxisnahe Forschung ist neben sehr guter Lehre eine der zwei tragenden Säulen des Instituts Informatik an der HRW. Die Qualität unserer Forschung wird auch in den kooperativen Promotionen sichtbar. Für Hochschulen wie die HRW ist es ungemein wichtig, ihrem wissenschaftlichen Nachwuchs die Perspektive einer Promotion zu eröffnen“, erläutert Prof. Dr. Uwe Handmann, Dekan des Fachbereichs 1, „und ermöglichen den Absolvent*innen auch einen wissenschaftliche Kariere anzustreben“.

Handmann gehörte zum Professorenteam, welches die Dissertation betreute. In der täglichen Forschungsarbeit unterstützten er und sein Kollege Geisler den jungen Wissenschaftler. Ihr Pendant an der Université Paris-Sud überprüfte in regelmäßigen Abständen den Fortschritt der Arbeit und fungierte als Erstgutachter. Den Abschluss „PhD“ verlieh die Universität in Paris.

Seit März 2017 ist Dr. Thomas Kopinski als Professor für Ingenieurinformatik an der Fachhochschule Südwestfalen tätig. Derzeit baut er das Labor für moderne Interaktionsmethoden auf und lehrt im Bereich Softwareentwicklung Module im Grund- und Hauptstudium. „Die Lehre macht mir Spaß und die Arbeit mit den Studierenden läuft gut. Am Standort Meschede forcieren wir stark das Thema Industrie 4.0. Aufgrund der Tatsache, dass wir hier am Standort die Bereiche Informatik, Elektrotechnik und Maschinenbau positioniert haben, bietet sich eine sehr gute Grundlage für Arbeiten und Kooperationen in diesem Bereich. Auf dieser Grundlage treiben wir gemeinsame Forschungs- und Kooperationsprojekte voran. Unter anderem ist der Aufbau eines Forschungs- und Innovationsclusters geplant, an dem sich Institute mehrerer Fachhochschulen (auch das Institut Informatik der HRW) beteiligen werden“, erläutert Kopinski.

Über die Promotion

Das Problem der Handgestenerkennung wirft verschiedene Fragen und Probleme auf: Echtzeitfähigkeit (kurze Reaktionszeiten für Benutzer), Robustheit (niedrige Fehlerraten bei der Erkennung) und ein breites Anwendungsspektrum sind nur drei der zentralen Fragen. Mit der Time-of-Flight-Technologie lassen sich beleuchtungsunabhängige Daten in Echtzeit generieren, die allerdings potentiell starkes Rauschen aufweisen können. Um stark verrauschte Daten verarbeiten und interpretieren zu können, werden Machine Learning Verfahren eingesetzt. Deep Learning (aus der Familie der Machine Learning) ist eine, u. a. aufgrund der überzeugenden Ergebnisse der letzten Jahre, sehr aktive und in Industrie wie in der Forschung zum Einsatz kommende Methodik. Unter Einsatz dieser Deep Learning Verfahren lassen sich robuste, biologisch inspirierte Modelle erstellen, mittels derer hohe Erkennungsraten erreicht werden können, sofern man gute Merkmale z.B. der Handgesten generieren kann und die Daten zugleich eine entsprechende Vielseitigkeit aufweisen. Im Rahmen der Promotion wurde deshalb untersucht, inwiefern sich diese Theorie auf das praktische Problem der Handgestenerkennung anwenden lassen kann. Auf Basis einer umfangreichen Handgestendatenbank wurden diese Modelle trainiert und verschiedene Ansätze zur Optimierung entworfen, welche anschließend in umfangreichen Benchmark-Tests evaluiert worden sind.