Refine
Year of publication
- 2016 (9) (remove)
Document Type
- Report (4)
- Working Paper (2)
- Bachelor-/Diplom Thesis (1)
- conference proceeding (article) (1)
- Part of Periodical (1)
Has Fulltext
- yes (9) (remove)
Keywords
- Innovationskommunikation (2)
- Journalismus (2)
- Technikjournalismus (2)
- Anlageberatung (1)
- Betriebswirtschaft (1)
- Collaborative Filtering (1)
- Empfehlungssystem (1)
- Finanzdienstleistung (1)
- Fintech (1)
- Frame <Journalismus> (1)
Institute
Psychosoziale Beratung über das Internet (Onlineberatung) stellt für einen Teil der Ratsuchenden die erste und mitunter einzige Hilfemöglichkeit dar. Um ein passgenaues Beratungsangebot mit der entsprechenden Qualität – angesichts der Unübersichtlichkeit der
Beratungsangebote im Internet für Ratsuchende wie Fachkräfte schnell verfügbar zu realisieren, wurde im Projekt die Machbarkeit eines
qualitätsorientierten Registers für psychosoziale Onlineberatungen geprüft.
Tafelarbeit in Nürnberg
(2016)
Für viele Menschen, die als einkommensarm gelten, stellen die Tafeln eine Möglichkeit dar, kostenlos oder gegen einen kleinen Unkostenbeitrag Lebensmittel zu erhalten und ihr Budget dadurch etwas aufzubessern. Der vorliegende Endbericht eines Lehrforschungsprojekts an der Fakultät Sozialwissenschaften präsentiert detaillierte Einblicke in die Praxis der Tafelarbeit. Einerseits werden die internen Strukturen der Organisation sowie die subjektiven Wahrnehmungen und Einschätzungen der Helfer untersucht. Andererseits fokussieren die Analysen auf die soziale Lage der Nutzer und deren Praxis der Tafelnutzung.
The ability to accurately forecast the building energy consumed can be valuable in a number of contexts. In Energy Performance Contracting and retrofitting actions, a key requirement for determining the Return on Investment is a precise and accurate quantification of the energy and concomitant cost savings resulting from the implementation of a set of Energy Conservation Measures. The precise quantification of energy savings is critical for Energy Savings Companies (ESCOs), under the guaranteed or shared savings contracting models; typically, this is done following a Measurement and Verification (M&V) protocol where the pre-intervention energy, computed using a regression model is compared against actual post-intervention measured energy values. Another example, during the building operational phase, is the use of operational intelligence platforms to compare between expected and actual performance, and inform the facility manager when deviations or degradations are observed so that actions can be taken.
Common to both these examples, is the need for a model capable of predicting with sufficient accuracy the energy consumption, while taking into account key factors that affect the overall performance, like prevailing weather conditions, occupancy patterns, etc. In the literature two classes of such models are often encountered: i) bottom-up, physics-based whole building simulation models; and ii) models based on statistical or machine learning techniques, requiring data typically obtained from the building monitoring system. The development of physics-based models necessitates a laborious and costly design and calibration process requiring expert knowledge; in the work presented here, data-driven models of the latter category are investigated since they have less stringent requirements, typically the availability of good-quality data. Different types of machine-learning models have been reported in literature, such as Neural Networks, Support Vector Machines, Gaussian Mixtures, etc. These are regression models aiming at identifying the underlying relationship between the depended variables (in our case the total energy consumption of the building) and the independent or explanatory variables, such as outside temperature levels, solar radiation, occupancy levels, etc.
From the available model types, we adopt Gaussian Processes (GPs) since they do not require the excessive fine-tuning other models necessitate (e.g. selecting the number of hidden layers and nodes of a Neural Network or the hyper-parameters for the Support Vector Machines). GP models are purely data-oriented in the sense that an a-priori definition of a structural relationship between the dependent and explanatory variables is not required; what is required instead is the selection/specification of the covariance structure of the independent variables to explain the interaction with the dependent variable. An added benefit of GP regression models is that an estimate on the prediction uncertainty is also available. It has been shown that GPs require less data and lead to more accurate uncertainty estimates compared to standard regression methods, like the ones typically used in the application of the International Performance Measurement and Verification Protocol (IPMVP).
The proposed methodology has been applied using measurements obtained from a study building. The task at hand is the modelling and prediction of both the daily and hourly total building energy consumption. At each time resolution, we have identified (different) suitable explanatory variables and performed a sensitivity analysis to evaluate the contribution of each variable on the final accuracy of the model. Two sets of data are used: training data for constructing the regression model; and test data for evaluating the accuracy of the prediction, utilizing common statistical indices such as Mean Squared Error (MSE) and coefficient of determination (R2) to evaluate the quality of the predictions. The experiments performed indicate the importance of selecting proper independent variables for each task, since the quality of the prediction largely depends on the ability of the explanatory variables to describe the behaviour of the dependent variable. In addition, the prediction quality and robustness of the GP regression was evident in all our tests, which combined with the laborious-free tuning of the framework make this approach highly-attractive for the task.
Jahresbericht 2015/16
(2016)
Die vorliegende Arbeit befasst sich mit der Migration von SIMIT-Projekten der Version 5.4 auf die Version 9. SIMIT ist ein von der Siemens AG entwickeltes Programm, das Hardware-Anlagen simuliert. Für die Migration von der alten Generation (V5.4) auf die neue Generation (V7 oder höher) ist in SIMIT eine Automatik implementiert, die jedoch wegen grundlegender struktureller Unterschiede zwischen den Generationen nicht fehlerfrei funktioniert. Die Arbeit erörtert verschiedene Migrationswege und wägt sie gegeneinander ab, listet jeweils Vor- und Nachteile auf und gibt Ratschläge zu der für jeden Projektbestandteil besten Migrationsoption. Aus Zeitgründen wird allerdings nur auf einen Migrationsweg genau eingegangen, ebenso wie nur ein Teil des Beispielprojekts in der Arbeit migriert wird. Das Ergebnis dieser Migration wird vor dem Hintergrund des Zeitaufwands und der Qualität des Ergebnisses kritisch betrachtet. Außerdem werden Möglichkeiten aufgezeigt, das Migrationsverfahren weiter zu verbessern.
Mit dem rapiden Wachstum der Informationstechnologie zum Anfang des 21. Jahrhunderts und der damit verbundenen starken Zunahme der Datenmenge, ist Software zum Filtern und Auffinden von relevanten Informationen unverzichtbar geworden. Gerade für Unternehmen, deren Geschäftsmodell auf digitalisierten Unternehmensprozessen beruht, ist es essenziell dem jeweiligen Kunden automatisiert passende Produkte anzubieten. Recommenderalgorithmen befassen sich genau mit dieser Problemstellung und versuchen Produktempfehlungen für Kunden möglichst gut zu personalisieren.
Die bislang vorliegenden Veröffentlichungen beschreiben Recommenderalgorithmen lediglich in groben Zügen. Der vorliegende Artikel befasst sich daher mit der didaktischen Aufarbeitung zweier grundlegender Algorithmen und bietet einen transparenten und allgemein verständlichen Zugang zu diesem Thema. Die beiden Algorithmen werden anhand eines durchgängigen Beispiels von der Berechnung der Ähnlichkeitsmaße bis zur Erstellung der Empfehlungsrangliste illustriert. Darüber hinaus wird eine Methodik vorgestellt, um die Empfehlungsqualität im Rahmen von Simulationsstudien mit ROC-Kurven zu evaluieren.
Der Robo Advisor‐Markt in Deutschland zeigt ein deutliches Aufholpotenzial zum US‐Markt, nicht nur im Hinblick auf das Marktvolumen, sondern auch auf das angebotene Leistungsspektrum. Die 15 untersuchten deutschen Anbieter weisen zum Teil erhebliche Unterschiede in den 20 analysierten Kriterien auf, allerdings ohne dass einzelne Anbieter durchgängig über alle Kriterien hinweg ausschließlich gute oder schlechte Bewertungen erhalten. Dies macht eine differenzierte Herangehensweise der Anbieter deutlich, die unterschiedliche Schwerpunkte setzen. Die Untersuchung betrachtet auch Unterschiede zwischen Deutschland und den USA.
Industrie 4.0 bestimmt als Innovation oder innovative Technologie aktuell die Agenda in Fach- und Wirtschaftsmedien. Dabei ist Industrie 4.0 weder Produkt oder Dienstleistung noch ein Schema oder eine Methode, die gekauft oder erlernt und eingesetzt werden können, sondern ein Konzept, das mehrere Aspekte bündelt. Trotzdem sind mit Blick auf Industrie 4.0 Eigenschaften von disruptiven Innovationen zu beobachten, die erheblichen Einfluss auf andere Systeme wie Gesellschaft, Politik und Recht haben werden. Industrie 4.0 wird Beschäftigungsverhältnisse und Arbeitsrecht (Arbeit 4.0) beeinflussen, wird neue Aufgaben für Versicherungen (Roboterrecht)stellen, wird Wirtschafts-, Technologie- und Innovationspolitik herausfordern, wird das Finanzsystem mit Themen wie Finanzierungsstrategien für Innovationstechnologien bis hin zur Bewertung von Geschäftsmodellen konfrontieren, wird gesellschaftliche Strukturen durch die Veränderung von Arbeit beeinflussen oder Anforderungen an Hochschulen und Weiterbildung stellen. Dabei wird Industrie 4.0 einerseits als Konzept und Technologie sozial konstruiert. Andererseits werden sich soziale Organisationen und Praktiken an diese Innovation anpassen. Dabei spielt Akzeptanz dieser Innovation eine wichtige Rolle, über die in einem Gestaltungsdiskurs verhandelt wird. Hierfür ist sowohl die Analyse der Vermittlung über journalistische Leistungsangebote bedeutend. Entscheidend ist zudem, welche Frames im Diskurs verwendet werden. Hier lassen sich Framing-Ansätze aus Policy-Forschung, politikwissenschaftlicher Bewegungsforschung sowie Journalismus- und Kommunikationswissenschaft nutzbar machen. In dieser Abhandlung werden exemplarisch zwei Frames skizziert. Einerseits die Bewertung von Industrie 4.0 unter den Aspekten von Datensicherheit und IT-Security und andererseits die Diskussion um die Entwicklung des Arbeitsmarktes mit Blick auf Robotik und Künstlicher Intelligenz. Diese Frames machen auch deutlich, dass ob der gesellschaftlichen Bedeutung und Wirksamkeit von Industrie 4.0 ein breiter Gestaltungsdiskurs erforderlich ist, der allerdings erst am Anfang steht.
Märkte sind der Ort, an dem Produkte und Dienstleitungen gehandelt werden, die also Nachfrage und Angebot zusammen bringen. Mit Blick auf Innovationen, die erst einen Markt suchen bzw. um die erst ein Markt entstehen muss, ist zu fragen, wie der Prozess von Marktentstehung und dann der Stabilisierung gelingt. Ausgehend von der Annahme, dass Märkte als Arenen von Konkurrenzsituationen die meisten Innovationen und Technologieentwicklungen hervorbringen und Märkte global und dezentral sind, ist zu beschreiben, welche Rolle Medien und Journalismus in der Entstehung und Stabilisierung von Technologiemärkten spielen. Investitionsgütermärkte sind als medialisierte Märkte zu beschreiben, womit die Bedeutung von öffentlicher Kommunikation für die Marktbildung und die Entwicklung gerade von modernen Investitionsgütermärkten in den Mittelpunkt rückt. In diesem Kontext von B2B-Märkten müssen Fach- und Massenmedien eine Plattform für öffentliche Kommunikation herstellen, um die Konstruktion und die Stabilität von Märkten ermöglichen zu können. Auch in Zeiten digitaler Öffentlichkeiten sowie Content-Marketing-Strategien von Industrieunternehmen werden journalistische Leistungsangebote als Instanz zur Orientierung der Leistungsempfänger zentral bleiben. Daraus ergibt sich auch die Forderung nach einem journalistischen Leistungsangebot, das diese Anforderungen erfüllt. Die Entstehung von Industrie 4.0-Märkten und die Rolle von Massenmedien und fachjournalistischen Angeboten ist ein aktuelles Beispiel für die Medialisierung und die soziale Konstruktion von Märkten.