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 - 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 - TY - GEN A1 - Gräßle, Kathrin T1 - Vergleichstabelle der beiden für die Schulsozialarbeit in Nordrhein-Westfalen einschlägigen Erlasse des Ministeriums für Schule und Bildung des Landes Nordrhein-Westfalen im Hinblick auf die Aufgaben von Schulsozialarbeit KW - Schulsozialarbeit KW - Nordrhein-Westfalen KW - FBSK_Webseite Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-61081 PB - Hochschule Düsseldorf CY - Düsseldorf ER - TY - JOUR A1 - Leidinger, Christiane A1 - Brink, Lina T1 - „vt:politics – Video-Tutorials zu Gesellschaft, Politik und Emanzipation in Bewegung“: Online-Erklärfilme zu Sozialen Bewegungen und Rechtsextremismusprävention JF - Voluntaris: Journal of Volunteer Services & Civic Engagement / Zeitschrift für Freiwilligendienste und Zivilgesellschaftliches Engagement KW - FBSK_Webseite KW - Rechtsradikalismus KW - Prävention KW - Soziale Bewegung Y1 - 2025 U6 - https://doi.org/10.5771/2196-3886-2025-2-184 SN - 2196-3886 VL - 13 IS - 2 SP - 184 EP - 186 PB - Nomos ER - TY - CHAP A1 - Dörner, Ralf A1 - Tesch, Alexander A1 - Rüggeberg, Jim A1 - Fuchs, Andreas A1 - Grimm, Paul A1 - Hillig, Julian A1 - Pfeiffer, Thies A1 - Blattgerste, Jonas A1 - Bernloehr, Annette A1 - Vogel, Kristina A1 - Bauer, Nicola H. A1 - Pestov, Alec A1 - Spierling, Ulrike A1 - Geiger, Christian A1 - Hildebrand, Axel A1 - Tropper, Tobias A1 - Wilke, Wilhelm A1 - Winkler, Christian A1 - Makled, Elhassan A1 - Schott, Ephraim A1 - Broll, Wolfgang A1 - Weidner, Florian A1 - Fröhlich, Bernd A1 - Göbel, Gunther A1 - Steinhauser, Marco A1 - Schwandt, Tobias A1 - Kumari, Gunjan A1 - Stolz, Georg A1 - Werner, Stephan A1 - Uzun, Yücel A1 - Oppermann, Leif ED - Dörner, Ralf ED - Broll, Wolfgang ED - Grimm, Paul ED - Jung, Bernhard T1 - Fallbeispiele für VR/AR T2 - Virtual und Augmented Reality (VR/AR): Grundlagen und Methoden von Extended Realities (XR) KW - Virtuelle Realität Y1 - 2026 SN - 9783662723081 U6 - https://doi.org/10.1007/978-3-662-72309-8_11 SP - 579 EP - 628 PB - Springer Nature CY - Berlin, Heidelberg ER - TY - JOUR A1 - S, Kasiviswanathan A1 - Shajahan, Mohamed Iqbal A1 - R, Bharathiraja A1 - Murali, Arun Prasad A1 - Benim, Ali Cemal T1 - Comprehensive overview of phase change materials in electronics, building, and solar applications JF - Engineering Research Express N2 - Phase change materials (PCMs) are a viable way to improve energy efficiency and thermal control in a variety of sectors. With an emphasis on their function in thermal control, this review article offers an in-depth review of PCM applications in electronics, buildings and solar energy systems. PCMs are used in electronics to control device temperatures, which lowers the risk of overheating and increases operational efficiency by 10% to 25%. Through latent heat storage and release in reaction to temperature changes, PCMs are incorporated into walls, floors, and roofs in building applications to improve thermal comfort and cut energy use by 15% to 30%. By storing thermal energy for steady power generation, PCMs increase the dependability and efficiency of solar energy systems by 8%–20%. This review examines the basic ideas behind PCMs, assesses various PCM (such as organic, inorganic, and eutectic PCMs), and details about real-world applications in these energy management fields. Important issues are examined, such as material compatibility, cost-effectiveness, and long-term stability. In order to maximize performance in these crucial applications, the conclusion emphasizes the need for improvements in cost-effective PCM formulations for the improved thermal conductivity (0.2–0.7 W m−1·K−1), and adaptive control systems. KW - Energieeffizienz KW - Temperaturregelung KW - Elektronik KW - Latentwärmespeicher KW - Sonnenenergie Y1 - 2026 U6 - https://doi.org/10.1088/2631-8695/ae342a SN - 2631-8695 VL - 8 IS - 3 PB - IOP Publishing ER - TY - RPRT A1 - Geerkens, Simon A1 - Sieberichs, Christian T1 - safe.trAIn - sichere Ki am Beispiel fahrerloser Regionalzug: Abschlussbericht des Projektes safe.trAIn - sichere Ki am Beispiel fahrerloser Regionalzug. Partner: Hochschule Düsseldorf N2 - Mit dem EU AI Act wurden KI-Systeme mit sicherheitskritischen Funktionen als Hochrisiko-Anwendungen eingestuft. Sie müssen hohen Anforderungen an Datenqualität, Robustheit, Transparenz und Konformitätsbewertung genügen. Forschungsarbeiten zur Erklärbarkeit neuronaler Netze (z. B. LRP, CAM) und zur Auswirkung optischer Eigenschaften auf KI-Systeme bilden die Basis. Zudem wurde erkannt, dass fehlerhafte Daten und optische Abbildungsfehler die Sicherheit stark beeinträchtigen können. Ziel des Projekts safe.trAIn war es, die Voraussetzungen für einen sicheren vollautomatisierten Zugbetrieb zu schaffen. Im Fokus stand die Absicherung KI-basierter Verfahren zur Hinderniserkennung und deren Integration in Sicherheitsnachweise. Die Hochschule Düsseldorf (HSD) übernahm zentrale Aufgaben bei der Entwicklung und Weiterentwicklung von Methoden zur Daten- und KI-Absicherung, insbesondere den Queens-Methoden (QI² und ECS). Methoden: - Entwicklung und Anwendung der Queens-Methoden zur Bewertung von Datenqualität und Modellrobustheit - Analyse von Unsicherheiten in KI-gestützter Objekterkennung und deren Propagation - Entwicklung physikalisch realistischer Optikmodelle zur Untersuchung sensorischer Einflüsse - Validierung im virtuellen Testfeld (GoA4-System, driverless operation) - Integration in Sicherheitsarchitekturen (RAMS- und GSN-Methodik) sowie Begutachtung durch TÜV. Ergebnisse: - Erfolgreiche Weiterentwicklung der Queens-Methoden (QI², ECS) für Daten- und Modellbewertung - Entwicklung von Verfahren zur Erklärbarkeit (Kombination QI² mit LRP) - Neue Ansätze zur datenqualitätsbasierten Fehlererkennung ohne Training - Optische Modellierungen und verbesserte Kamerakalibrierung - Beitrag zur Standardisierung (DIN DKE SPEC 99002) - Mehrere wissenschaftliche Publikationen und Betreuung von Promotionen und Abschlussarbeiten. Die entwickelten Methoden ermöglichen eine systematische Absicherung von KI-Systemen im Bahnumfeld. Anwendungsmöglichkeiten bestehen in der Integration in Zulassungsprozesse, bei der Datenkuratierung, in der Sensorikgestaltung sowie in weiteren sicherheitskritischen Bereichen. Darüber hinaus sind die Methoden anschlussfähig für andere Forschungsfelder (z. B. Transformer-Netzwerke, chaostheoretische Analysen). Damit wurde eine technologische Grundlage für den sicheren Betrieb fahrerloser Regionalzüge geschaffen. KW - Künstliche Intelligenz KW - Bahnbetrieb KW - Sicherheit Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-60980 PB - Technische Informationsbibliothek CY - Hannover ER - TY - CHAP A1 - Reich, Marius A1 - Rathjen, Patrick A1 - Adam, Mario ED - Henrik, Lund ED - Brain Vad, Mathiesen ED - Østergaard, Poul Alberg ED - Thellufsen, Jakob Zinck ED - Brodersen, Hans Jørgen T1 - Precomputed ML Surrogates for Energy System Design: Methodology and In-Depth Evaluation T2 - Book of Abstracts 2025: 11th International Conference on Smart Energy Systems, 16-17 September 2025. Copenhagen KW - SmartPrior KW - Energy supply systems KW - Design Optimization KW - Metamodeling KW - Time Series Data Y1 - 2025 UR - https://vbn.aau.dk/ws/portalfiles/portal/796346412/SESAAU2025_Book_of_Abstracts.pdf PB - Aalborg University CY - Aalborg ER - TY - CHAP A1 - Reich, Marius A1 - Patrick, Rathjen A1 - Adam, Mario ED - Lund, Henrik ED - Mathiesen, Brian Vad ED - Østergaard, Poul Alberg ED - Thellufsen, Jakob Zinck ED - Brodersen, Hans Jørgen T1 - Harnessing Machine Learning for Rapid Optimization: Integration of Time Series Data into Prior Approximation of Energy System Simulations T2 - Book of Abstracts :10th International Conference on Smart Energy Systems KW - SmartPrior KW - Energy supply systems KW - Rule based simulation KW - Design Optimization KW - Metamodeling KW - Time Series Data Y1 - 2024 UR - https://vbn.aau.dk/ws/portalfiles/portal/749867139/SESAAU2024_Book_of_Abstracts.pdf PB - Aalborg University CY - Aalborg ER -