TY - GEN T1 - 1059 - Gleichstellungsquoten für die Fachbereiche Architektur, Design, Elektro- und Informationstechnik, Maschinenbau und Verfahrenstechnik, Medien und Wirtschaftswissenschaften der Hochschule Düsseldorf gemäß § 37a HG vom 31.03.2026 N2 - Gemäß § 37a des Gesetzes über die Hochschulen des Landes Nordrhein-Westfalen (Hochschulgesetz – HG) vom 16.09.2014 (GV. NRW. S. 547) in der aktuell gültigen Fassung hat das Präsidium im Einvernehmen mit der jeweiligen Dekanin bzw. dem jeweiligen Dekan die folgenden Gleichstellungsquoten (Gender-Diversity-Faktoren; § 3 Berufungsordnung der HSD vom 04.10.2016) für die Dauer von drei Jahren ab dem 01.01.2026 festgesetzt: T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1059 KW - Amtliche Mitteilungen Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61318 CY - Düsseldorf ER - TY - GEN T1 - 1058 - Veröffentlichung der Bezüge der hauptberuflichen Präsidiumsmitglieder für das Jahr 2025 vom 24.03.2026 N2 - Aufgrund der §§ 2 Abs. 4 und 20 Abs. 6 des Gesetzes über die Hochschulen des Landes Nordrhein-Westfalen (Hochschulgesetz - HG) vom 16.09.2014 (GV. NRW. S. 547) in der aktuell gültigen Fassung gibt die Hochschule Düsseldorf bekannt: T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1058 KW - Amtliche Mitteilung Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61303 CY - Düsseldorf ER - TY - GEN T1 - 1057 - Dritte Satzung zur Änderung der Ordnung zur Feststellung der studiengangbezogenen künstlerisch-gestalterischen Eignung für die Master-Studiengänge „Kommunikationsdesign“ und „New Craft Object Design“ an der Hochschule Düsseldorf vom 23.03.2026 N2 - Aufgrund der §§ 2 Abs. 4, 49 Abs. 7, 64 Abs. 1 des Gesetzes über die Hochschulen des Landes Nordrhein-Westfalen (Hochschulgesetz - HG) vom 16.09.2014 (GV. NRW. S. 547) in der aktuell gültigen Fassung hat die Hochschule Düsseldorf die folgende Ordnung als Satzung erlassen. T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1057 KW - Amtliche Mitteilungen Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61297 CY - Düsseldorf ER - TY - GEN T1 - 1056 - Zweite Satzung zur Änderung der Ordnung zur Feststellung der studiengangbezogenen künstlerisch-gestalterischen Eignung für den Masterstudiengang „Exhibition Design“ an der Hochschule Düsseldorf vom 23.03.2026 N2 - Aufgrund der §§ 2 Abs. 4, 49 Abs. 7, 64 Abs. 1 des Gesetzes über die Hochschulen des Landes Nordrhein-Westfalen (Hochschulgesetz - HG) vom 16.09.2014 (GV. NRW. S. 547) in der aktuell gültigen Fassung hat die Hochschule Düsseldorf die folgende Ordnung als Satzung erlassen. T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1056 KW - Amtliche Mitteilungen Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61283 CY - Düsseldorf ER - TY - GEN T1 - 1055 - Dienstvereinbarung der Hochschule Düsseldorf über die flexible Arbeitszeit (FLAZ) vom 18.03.2026 N2 - Dienstvereinbarung der Hochschule Düsseldorf über die flexible Arbeitszeit (FLAZ) T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1055 KW - Amtliche Mitteilungen Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61243 CY - Düsseldorf ER - TY - GEN T1 - 1054 - Erste Satzung zur Änderung der Fachbereichsordnung für den Fachbereich Wirtschaftswissenschaften an der Hochschule Düsseldorf vom 10.03.2026 N2 - Aufgrund der §§ 2 Abs. 4 S. 1, 26 Abs. 3 S. 2 des Gesetzes über die Hochschulen des Landes Nordrhein-Westfalen (Hochschulgesetz - HG) vom 16.09.2014 (GV. NRW. S. 547) in der aktuell gültigen Fassung und der Grundordnung der Hochschule Düsseldorf vom 08.10.2015 (Verkündungsblatt der Hochschule Düsseldorf, Amtliche Mitteilung Nr. 414) in der aktuell gültigen Fassung hat der Fachbereich Wirtschaftswissenschaften der Hochschule Düsseldorf die folgende Ordnung als Satzung erlassen. T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1054 KW - Amtliche Mitteilung Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61212 CY - Düsseldorf ER - TY - GEN ED - Vomberg, Edeltraud T1 - Zahlenspiegel 2024: Gender Report T3 - Zahlenspiegel . Gender Report - 2024 Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61187 PB - Hochschule Düsseldorf CY - Düsseldorf ER - TY - GEN ED - Kirsten, Mallossek T1 - Zahlenspiegel 2024: Hochschule allgemein inkl. Kennzahlen T3 - Zahlenspiegel - 2024 Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61171 PB - Hochschule Düsseldorf CY - Düsseldorf ER - TY - GEN T1 - 1053 - Fünfte Satzung zur Änderung der Grundordnung der Hochschule Düsseldorf vom 05.03.2026 N2 - Aufgrund des § 2 Abs. 4 S. 1 des Gesetzes über die Hochschulen des Landes Nordrhein-Westfalen (Hochschulgesetz - HG) vom 16.09.2014 (GV. NRW. S. 547) in der aktuell gültigen Fassung hat die Hochschule Düsseldorf die folgende Ordnung als Satzung erlassen. T3 - Amtliche Mitteilungen : Verkündungsblatt der Hochschule Düsseldorf - 1053 KW - Amtliche Mitteilungen Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61139 CY - Düsseldorf ER - TY - THES A1 - Münch, Justin T1 - Mehrwert von Methoden des Maschinellen Lernens für die simulative Bewertung der Versorgungssicherheit mit Elektrizität N2 - Politik und Wirtschaft sind auf eine fundierte, schnelle und flexible Bewertung der Ver-sorgungssicherheit mit Elektrizität als Grundlage strategischer Entscheidungen angewiesen. Dazu werden komplexe probabilistische Simulationsmodelle unter Einbeziehung einer hohen Anzahl möglicher Zukunftsszenarien verwendet. Allerdings schränken die langen Rechenlaufzeiten von mehreren Stunden pro Szenario die Analysetiefe ein. Zudem werden die Analysen durch die Prognose der zeitlich aufgelösten zukünftigen Randbedingungen erschwert. Die vorliegende Arbeit zeigt, dass sich mit Methoden aus dem Bereich des Maschinellen Lernens (ML) in Kombination mit angepassten Methoden des Design of Experiments die Kennzahlen der Versorgungssicherheit mit Elektrizität aus einem komplexen Simulationsmodell auf Basis rekursiver Faltungen sehr gut approximieren lassen. Die Zeitreduktion im Vergleich zum nativen Simulationsmodell ist sehr hoch, bei gleichzeitig hoher Genauigkeit. Auch im Bereich der Prognose zeitlich aufgelöster Randbedingungen demonstrieren die Ergebnisse ein erhebliches Verbesserungspotenzial von ML-Methoden im Vergleich zu klassischen Verfahren. Zusammengefasst sind die untersuchten und vorgeschlagenen ML-Methoden in der Lage, die Versorgungssicherheit mit Elektrizität komplexitätsgerecht (tausende von Zukunftsszenarien) in praktikabel kurzer Zeit (weniger als eine Stunde) detailliert zu analysieren. N2 - Politics and economics rely on a well-founded, rapid and flexible assessment of electricity supply security as a basis for strategic decisions. Complex probabilistic simulation models incorporating a large number of possible future scenarios are used for this purpose. However, the long simulation runtimes of several hours per scenario limit the depth of analysis. In addition, the analyses are complicated by the forecasting of time-resolved future boundary conditions. This work demonstrates that machine learning (ML) methods, combined with adapted Design of Experiments (DoE) techniques, allow for a highly accurate approximation of electricity supply security metrics obtained from a complex simulation model based on recursive convolutions. The time reduction compared to the native simulation model is very high, while maintaining a high degree of accuracy. In the area of forecasting time-resolved boundary conditions, the results also demonstrate that ML methods offer considerable potential for improvement over classical methods. In summary, the investigated and proposed ML methods are capable of performing a detailed analysis of the security of electricity supply that is commensurate with its complexity (thousands of future scenarios) within a practical amount of time (less than an hour). T3 - Promotionskolleg NRW mit Hochschule Düsseldorf - 1 KW - Deep Learning KW - Machine Learning KW - Artificial neural networks KW - Metamodeling KW - Surrogate modeling KW - Probabilistic simulation KW - Regression KW - Security of electricity supply KW - times series forecasting Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-58306 N1 - Bochum, Dissertation, Promotionskolleg NRW mit Hochschule Düsseldorf PB - Hochschule Düsseldorf CY - Düsseldorf ER -