Unsupervised Real-Time Anomaly Detection in Telemetry Data

Langer, Jonathan (2026) Unsupervised Real-Time Anomaly Detection in Telemetry Data. Masterarbeit, Universität zu Köln.

PDF - Nur DLR-intern zugänglich
12MB

elib-URL des Eintrags:

https://elib.dlr.de/223336/

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Unsupervised Real-Time Anomaly Detection in Telemetry Data

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Langer, Jonathan	jonathan.langer (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Felderer, Michael	Michael.Felderer (at) dlr.de	https://orcid.org/0000-0003-3818-4442
Thesis advisor	Rüttgers, Alexander	Alexander.Ruettgers (at) dlr.de	https://orcid.org/0000-0001-6347-9272

Datum:

14 Januar 2026

Open Access:

Nein

Seitenanzahl:

107

Status:

veröffentlicht

Stichwörter:

Anomaliedetektion, Satellitentelemetrie, Echtzeitfähigkeit, Künstliche Intelligenz, Unsupervised Machine Learning

Institution:

Universität zu Köln

Abteilung:

Abteilung für Informatik

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Technik für Raumfahrtsysteme

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R SY - Technik für Raumfahrtsysteme

DLR - Teilgebiet (Projekt, Vorhaben):

R - Impulsprojekt RESIKOAST: Resiliente Versorgungsinfrastruktur und Warenströme im Kontext küstennaher Extremwetterereignisse

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Softwaretechnologie
Institut für Softwaretechnologie > High-Performance Computing

Hinterlegt von:

Rüttgers, Dr. Alexander

Hinterlegt am:

17 Mär 2026 14:52

Letzte Änderung:

17 Mär 2026 14:52

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags