TY - CHAP A1 - Heidenreich, Michael A1 - Franczyk, Bogdan A1 - Johannsen, Andreas T1 - Evaluation study of an IT security measurement method for micro-enterprises T2 - Proc. of the International Conference on Electrical, Computer and Energy Technologies (ICECET 2022) 20-22 July 2022, Prague-Czech Republic KW - SME KW - IT security KW - Information security KW - Study Y1 - 2022 U6 - https://doi.org/10.1109/ICECET55527.2022.9873487 PB - IEEE ER - TY - CHAP A1 - Braubach, Lars A1 - Jander, Kai A1 - Pokahr, Alexander ED - Camacho, D. T1 - Macro Architecture for Microservices: Improving Internal Quality of Microservice Systems T2 - Intelligent Distributed Computing XIV. IDC 2021 Y1 - 2022 SN - 978-3-030-96626-3 (Print) U6 - https://doi.org/10.1007/978-3-030-96627-0_10 ER - TY - CHAP A1 - Kevin, Lamshöft A1 - Hildebrandt, Mario A1 - Altschaffel, Robert A1 - Keil, Oliver A1 - Hempel, Ivo A1 - Dittmann, Jana A1 - Neubert, Tom A1 - Vielhauer, Claus T1 - Resilience against and detection of information hiding in nuclear instrumentation and control systems within the scope of NSS 17-T T2 - Kerntechnik 2022, Leipzig, 21. - 22. Juni 2022 Y1 - 2022 UR - https://www.kerntechnik.com PB - INFORUM Verlags- und Verwaltungsgesellschaft mbH CY - Berlin ER - TY - CHAP A1 - Schnitzer, Julia A1 - Kodalle, Micha T1 - Brain computer interface (BCI)–UX-design for visual and non-visual interaction by mental commands in the context of technical possibilities T2 - Proc. IS&T Int’l. Symp. on Electronic Imaging: Mobile Devices and Multimedia: Enabling Technologies, Algorithms, and Applications Y1 - 2022 U6 - https://doi.org/10.2352/EI.2022.34.3.MOBMU-402 SP - 402-1 EP - 402-88 PB - Society for Imaging Sciences and Technology CY - Springfield, VA ER - TY - CHAP A1 - Kant, Daniel A1 - Johannsen, Andreas T1 - Evaluation of AI-based use cases for enhancing the cyber secu- rity defense of small and medium-sized companies (SMEs) T2 - Proc. IS & T International Symposium on Electronic Imaging: Mobile Devices and Multimedia: Enabling Technologies, Algorithms, and Applications KW - Cyber defense KW - cyber security KW - artificial intelligence KW - defensive AI KW - cyber security applications KW - cyber security use cases KW - security use cases KW - AI-based security applications KW - SME Y1 - 2022 U6 - https://doi.org/10.2352/EI.2022.34.3.MOBMU-387 SP - 387-1 EP - 387-8 CY - Springfield, VA ER - TY - CHAP A1 - Revina, Aleksandra A1 - Aksu, Ünal T1 - Towards a Business Process Complexity Analysis Framework Based on Textual Data and Event Logs T2 - 17th International Conference on Wirtschaftsinformatik, February 2022, Nürnberg, Germany KW - Business process analysis KW - complexity KW - event log KW - textual data Y1 - 2022 UR - https://aisel.aisnet.org/wi2022/bpm/bpm/4 ER - TY - THES A1 - Ney, Audrey T1 - E-Learning an der Technischen Hochschule Brandenburg – Bereitstellung eines hochschulweiten Weiterbildungsangebotes zu Themen der Informationskompetenz N2 - Die vorliegende Arbeit beschäftigt sich mit der Frage, wie ein E-Learning-Angebot an der Technischen Hochschule Brandenburg das Interesse am Thema der Informationskompetenz steigern sowie diese Kompetenzen entsprechend vermitteln kann. Der Fokus liegt dabei auf zwei quantitativen Umfragen, der Erstellung eines Kurses in Moodle sowie eine Handlungsempfehlung, um die Digitale Lehre an der THB und der Hochschulbibliothek weiter zu etablieren. KW - Digitale Lehre KW - E-Learning KW - Informationskompetenz KW - Hochschulbibliothek KW - Moodle Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:522-opus4-28711 ER - TY - THES A1 - Ghulam Zada, Taj Mohammad T1 - Machine-Learning-basiertes Forecasting des Elektromobilitätshochlaufs in Deutschland N2 - Forecasting is an important decision-making tool for businesses, organizations, and governments because it saves a lot of resources. The forecast of the market share of new BEV car registrations in Germany can help efficiently evaluate strategic and future-oriented decisions, e.g., the climate targets set by the federal government. Machine learning methods were used to implement forecasting. Two machine learning models were used to forecast of the market share of new BEV car registrations in Germany: SARIMA(X) and DeepAR model. Due to variety in input datasets, four univariate and multivariate time series analysis models were trained. Afterwards, all four trained models were compared with each other using the RMSE metric. The last six months of the dataset were used to evaluate the model quality. The result of model comparison shows that SARIMAX model needs the exogenous variables to create a forecast of the multivariate data sets. However, the DeepAR model does not require any exogenous variables to generate forecast. Furthermore, if the input dataset contains at least 300 observations, then the implementation of DeepAR model is much more advantageous than SARIMA(X) model. DeepAR model not only supports the univariate and multivariate datasets, but also creates a global model that generates a forecast per variable. This is a great advantage over the SARIMA(X) model, which is not capable of this. N2 - Forecasting ist eine wichtige Methode zur Entscheidungsfindung für Unternehmen, Organisationen und Regierungen, da so der Ressourcenverbrauch reduziert werden kann. Der Forecast des prozentualen Marktanteils der neuen BEV-PKW-Zulassungen in Deutschland kann helfen, um strategische und zukunftsorientierte Entscheidungen, z.B. die vom Bund gesetzten Klimaziele, besser steuern zu können. Zur Durchführung des Forecastings wurde der Einsatz unterschiedlicher Machine-Learning-Methoden ausgenutzt. Es wurden zwei Machine-Learning-Modelle für das Forecasting des prozentualen Marktanteils der BEV-PKW-Neuzulassungen in Deutschland verwendet: Die SARIMA(X)- und DeepAR-Modelle. Aufgrund der Unterschiede in den Eingabedatensätzen wurden vier Modelle der Univariate- und Multivariate- Zeitreihenanalyse trainiert. Mit Hilfe der RMSE-Fehlermetrik wurden die vier trainierten Modelle miteinander verglichen. Die letzten sechs Monate der Eingabedatensätze wurden zur Evaluierung der Modellqualität genutzt. Die Ergebnisse dieser Masterarbeit zeigen, dass das SARIMAX-Modell zur Erstellung einer Prognose der multivariaten Datensätze die exogenen Variablen benötigt. Allerdings braucht das DeepAR-Modell keine exogenen Variablen, um eine Prognose generieren zu können. Wenn der Eingabedatensatz mindestens 300 Zeitreihen beträgt, eignet sich das DeepAR-Modell besser als das SARIMA(X)-Modell. Das DeepAR-Modell unterstützt nicht nur die univariaten- und multivariaten Datensätze, sondern generiert auch ein globales Modell, wodurch eine Prognose je Variable erstellt wird. Das ist ein großer Vorteil gegenüber dem SARIMA(X)-Modell, welches dazu nicht in der Lage ist. KW - Forecasting KW - Time Series Analysis KW - SARIMA(X) KW - DeepAR KW - Hyperparameter Optimization KW - Battery Electric Vehicles (BEV), Elektromobilität Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:522-opus4-28784 ER - TY - THES A1 - Rothenhäusler, Luis T1 - d3.js and its potential in data visualization N2 - Diese Arbeit gibt einen Einblick sowie eine Einschätzung eines Code-basierten Werkzeuges zur Datenvisualierung, der d3js bibliothek für JavaScript. Es werden nicht nur das Potential, sondern auch die Vor- und Nachteile evaluiert. Weiterhin wird eine Einschätzung gegeben, wann der Einsatz dieses Werkzeuges sinnvoll ist. Um diese Einschätzungen treffen zu können, werden einige Di- agramme, bezüglich der aktuellen Flüchtlichgssituation, die aufgrund des bewaffneten Ukrainekonfilktes besteht, erstellt. Dafür werden zunächst die nötigen Grundlagen erklärt. Dies umfasst sowohl Daten und Datentypen, als auch Diagramme und deren Aufbau. Abschließend werden die erstellten Diagramme, sowie d3js im Diskussionsteil ausgewertet. Da d3js in reinem JavaScript implementiert ist, lässt es sich problem- los mit anderen Frameworks kombinieren. Der Fokus von d3js liegt auf der schnellen und einfachen Manipulation von Elementen im Document Object Model. d3js ist jedoch kein Werkzeug, mit dem in wenigen Zeilen Quell- code ganze Diagramme erstellt werden können. Vielmehr müssen sowohl die einzelnen Elemente eines Diagrammes, wie auch deren Position und Ausse- hen händisch definiert werden. Das ermöglicht ein Höchstmaß an Kontrolle über das Aussehen und Verhalten der Diagramme. Es ist jedoch auch zeitin- tensiv und führt eventuell zur Implementation unübersichtlicher Diagramme. Gepaart mit der hohen initialen Lernkurve kann die Nutzung von d3js nur in speziellen Fällen, welche die volle Kontrolle über Aussehen und Verhalten von Diagrammen benötigen, empfohlen werden. Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:522-opus4-28536 ER - TY - THES A1 - Diel, Alexander T1 - Vergleich moderner Frontend-Technologien zur Erstellung von Single-Page-Webanwendungen N2 - In der heutigen Zeit finden Single-Page-Webanwendung immer mehr Verwendung. Entsprechend dieser Entwicklung wurden Technologien, zur Erstellung von Single-Page-Webanwendungen, angefertigt. Um ihre Unterschiede und individuellen Anwendungsmöglichkeiten zu ermitteln, wurde mit den drei populärsten Technologien eine Webanwendung gebaut und eine Evaluation anhand einer Reihe von Kriterien durchgeführt. Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:522-opus4-28656 ER -