open_access
Refine
Year of publication
Document Type
- Master's Thesis (28)
- Bachelor Thesis (17)
- Other (10)
- Book (8)
- Article (4)
- Lecture (4)
- Conference Proceeding (2)
- Diploma Thesis (2)
- Contribution to a Periodical (1)
- Report (1)
Has Fulltext
- yes (77)
Is part of the Bibliography
- no (77) (remove)
Keywords
- Computersicherheit (5)
- Software (5)
- Bologna-Prozess (4)
- Informationssicherheit (4)
- SMath (4)
- Qualifizierung (3)
- Sicherheit (3)
- Anleitung (2)
- Bachelor (2)
- Bedarf (2)
Institute
In den vergangenen Jahren gewann insbesondere durch den Launch des Tesla Elektrofahrzeugs die Elektromobilität in Bezug auf Automobile zunehmend an Bedeutung. Insbesondere aufgrund der zunehmenden CO2-Emissionen sowie der stetig steigenden Öl-Knappheit rückt das Elektroauto zunehmend in den Vordergrund.
Die vorliegende wissenschaftliche Arbeit untersuchte im Wesentlichen die Ladeinfrastruktur von Elektrofahrzeug sowie die Entwicklung dieser und die zum aktuellen Zeitpunkt bestehenden Tarifbedingung in Deutschland. Die Betrachtung der Ladeinfrastruktur ist eben aus dem Grund erforderlich gewesen, da diese eine Schlüsselrolle für Endkunden bei der Kaufentscheidung eines Elektrofahrzeugs spielt.
Die Wesentliche Zielsetzung der Arbeit bestand darin, die unterschiedlichen bestehenden Betreiberkonzepte in Bezug auf die Ladeinfrastruktur für Kommunen zu analysieren und im Hinblick auf die Wirtschaftlichkeit sowie die Marktverfügbarkeit zu evaluieren.
Mit der Gründung der Berliner Universität setzte 1810 die grundlegende Reform des deut-schen Hochschulwesens ein, die zusammen mit der Postulierung der „Freiheit von Lehre und Forschung“ im Jahre 1848 zur weltweiten Ausstrahlung und Anerkennung führte. Der nächste Umbruch in der BRD erfolgte um und nach 1968, durch den die sogenannte „Ordinarienuni-versität“ in die „Gremienuniversität“ umgewandelt wurde. Übrig blieben davon neben der Studiengebührenfreiheit viele ungelöste Probleme. Seit den 1990er Jahren wird versucht, das prinzipiell bewährte, einstufige Studiensystem in ein mehrstufiges, „europäisches“ umzuwan-deln, während die Länder mit traditionell zweistufigem System (Großbritannien, USA, In-dien) die Zwischenstufe des Bachelors in zunehmendem Maße als obsolet fortfallen lassen.
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.
Diese Masterarbeit befasst sich mit der Konzeption und Realisierung einer kontextbasierten Suche in externen Datenquellen. Die kontextbasierte Suche soll hierbei für das Abfragen der Datenquellen die Daten eines bestehenden Systems verwenden. Die Daten des bestehenden Systems basieren dabei auf neurologischen Erkrankungen und Testverfahren. Die Ergebnisse der kontextbasierten Suche sollen zum einen dafür verwendet werden, um einem Benutzer des Systems ein größeres Angebot an Informationen zum Themengebiet zu unterbreiten und zum anderen um den Datenbestand des Systems bei Bedarf zu aktualisieren. Die externen Datenquellen sind PubMed und MedWorm. Dabei werden in PubMed relevante, medizinische, Publikationen und in MedWorm nach relevanten medizinischen Nachrichten gesucht. Masterarbeit Kolloqium: 13.08.2012 Betreuer: Prof. Dr.-Ing. Susanne Busse, Dipl.-Inform. Ingo Boersch
Gegenstand der vorliegenden Masterarbeit ist die Realisierung eines EXIT-Puzzles mit
integrierten AR- und VR-Elementen. Im Kontext der Wissensvermittlung im Fachgebiet
Mathematik angewandt, wirken sowohl die Verwendung des Gesellschaftsspiels als
auch der Gebrauch moderner Techniken motivierend auf die Schülerinnen und Schüler.
Auf die theoretischen Erkenntnisse, welche mit Hilfe einer umfangreichen
Literaturrecherche gesammelt wurden, baut die Analyse verwandter Arbeiten auf.
Anhand von 11 semi-strukturierten Benutzerinterviews, konnten Information über die
Zielgruppe, den Nutzungskontext und eventuelle Problempunkte des geplanten Puzzles
zusammengetragen werden. Auf Grundlage dieses Wissens wurde ein Katalog der
wichtigsten Anforderungen und Schwerpunkte aufgestellt. In der Konzeptionsphase
wurde dieser Anforderungskatalog als Basis für die Planung des EXIT-Puzzles verwendet,
welche anschließend prototypisch umgesetzt wurde. Dieser Prototyp wurde
abschließend einer Evaluation anhand von zehn Benutzertests unterzogen, welche
einerseits die Gebrauchstauglichkeit des Puzzles erfassen und andererseits Anregungen
zur weiteren Verbesserung festhalten sollten. Diese abschließende Evaluation konnte
sowohl die Gebrauchstauglichkeit des Puzzles bestätigen als auch Hinweise darauf
liefern, dass die Applikation beim Anwenden und Verstehen des Unterrichtsstoffes
unterstützend wirkt und unter gewissen Bedingungen für den Einsatz im
Mathematikunterricht geeignet wäre.
Ziel der Arbeit ist die Untersuchung von Visualisierungsmöglichkeiten von Daten mit Hilfe von selbstorganisierenden Karten. Hierbei sind sowohl musterbezogene, als auch musterunabhängige Varianten zu betrachten. Die Verfahren sollen prototypisch in ein Programmsystem umgesetzt werden, welches ohne Installation über das Netz nutzbar ist. Der Lernprozess ist geeignet darzustellen. Hierzu sind selbstorganisierende Karten im theoretischen Überblick zu beleuchten und für den Schwerpunkt Visualisierung trainierter Karten zu vertiefen. Anhand der im Verlauf der Diplomarbeit erzielten praktischen und theoretischen Erkenntnisse soll eine Bewertung und Systematisierung der Visualisierungsvarianten erstellt werden. Diplomarbeit Abgabe: 03.03.2006 Kolloqium: 07.04.2006 Betreuer: Dipl.-Inform. Ingo Boersch, Prof. Dr.-Ing. Jochen Heinsohn
Im Rahmen dieser Arbeit wird die Architektur einer Cloud-Infrastruktur als Betriebsplattform
für Software-as-a-Service-Angebote entworfen, die auf Basis von Software-Containern funktioniert. Sie soll nach den Anforderungen des Bundesamts für Sicherheit in der Informationstechnik abgesichert werden.
Angelehnt an eine der drei Vorgehensweisen des BSI-Standards 200–2 werden die wesentlichen Komponenten dieser Plattform als Informationsverbund definiert. Zudem werden für diese Teile Auswahlkriterien aus den Bausteinen des IT-Grundschutz-Kompendiums und den allgemeinen Empfehlungen der Fachliteratur nach Stand der Technik abgeleitet.
Optionen für die einzelnen Komponenten und Strukturen werden vorgestellt. Anhand der
vorher definierten Kriterien wird eine Auswahl getroffen und ein Entwurf konstruiert.
Abschließend wird dieser Entwurf hinsichtlich des erzielbaren Schutzniveaus bewertet und
als Ausblick die Möglichkeit betrachtet, eine Umsetzung des Entwurfs nach ISO 27001 basierend
auf dem IT-Grundschutz zertifizieren zu lassen.